Funkcija pandas.concat() atlieka visas sudėtingas sujungimo operacijas kartu su ašimi Pandos objektai atliekant pasirenkamą indeksų (jei yra) rinkinių logiką (sąjungą arba susikirtimą) kitose ašyse.

Pandas concat() funkcija Sintaksė

Sintaksė: concat(objs, ašis, prisijungti, ignoruoti_indeksą, raktai, lygiai, pavadinimai, patikrinti_vientisumą, rūšiuoti, kopijuoti)

Parametrai:

• obs: Serija arba DataFrame objektai
• ašis: ašis sujungti išilgai; numatytasis = 0
• prisijungti: būdu tvarkyti indeksus kitoje ašyje; numatytasis = 'išorinis'
• ignore_index: jei True, nenaudokite indekso reikšmių sujungimo ašyje; default = False
• raktai: seka pridėti identifikatorių prie rezultatų indeksų; numatytasis = Nėra
• lygiai: konkretūs lygiai (unikalios reikšmės), kuriuos reikia naudoti kuriant MultiIndex; numatytasis = Nėra
• vardai: lygių pavadinimai gautoje hierarchinėje rodyklėje; numatytasis = Nėra
• verify_integrity: patikrinkite, ar naujoje sujungtoje ašyje nėra dublikatų; default = False
• Rūšiuoti: rūšiuoti nesujungimo ašį, jei ji dar nesulygiuota, kai sujungimas yra „išorinis“; default = False
• kopija: jei Netiesa, be reikalo nekopijuokite duomenų; default = True

Grąžina: objs tipas (DataFrame serija)

Sujunkite naudodami pandas su pavyzdžiais

1 pavyzdys: Sujunkite duomenų rėmelius Python

Šiame pavyzdyje mes sujungiame dvi serijas su numatytaisiais parametrais Pandos .

Python3

# importing the module> import> pandas as pd> # creating the Series> series1> => pd.Series([> 1> ,> 2> ,> 3> ])> display(> 'series1:'> , series1)> series2> => pd.Series([> 'A'> ,> 'B'> ,> 'C'> ])> display(> 'series2:'> , series2)> # concatenating> display(> 'After concatenating:'> )> display(pd.concat([series1, series2]))>

Išvestis

2 pavyzdys: Pandos, jungiančios du duomenų kadrus horizontaliai su indeksu = 1

Šiame pavyzdyje sukuriame dvi Pandų serijas ( series1> ir series2> ), tada sujungia juos išilgai stulpelių (ašis = 1), naudojant pd.concat()> . Gautame „DataFrame“ yra abi serijos kaip stulpeliai, sukuriant naują „DataFrame“ su dviem stulpeliais.

Python3

# importing the module> import> pandas as pd> # creating the Series> series1> => pd.Series([> 1> ,> 2> ,> 3> ])> display(> 'series1:'> , series1)> series2> => pd.Series([> 'A'> ,> 'B'> ,> 'C'> ])> display(> 'series2:'> , series2)> # concatenating> display(> 'After concatenating:'> )> display(pd.concat([series1, series2],> > axis> => 1> ))>

Išvestis

3 pavyzdys: 2 duomenų rėmelių sujungimas ir raktų priskyrimas

sukuria du duomenų rėmelius ( df1> ir df2> ) ir sujungia juos kartu su raktais, priskirtais kiekvienam naudojamam DataFrame pd.concat()> . Gautas DataFrame turi hierarchinę indeksą su raktais „key1“ ir „key2“, išskiriantį kiekvieno duomenų rinkinio kilmę.

Python3

# importing the module> import> pandas as pd> # creating the DataFrames> df1> => pd.DataFrame({> 'A'> : [> 'A0'> ,> 'A1'> ,> 'A2'> ,> 'A3'> ],> > 'B'> : [> 'B0'> ,> 'B1'> ,> 'B2'> ,> 'B3'> ]})> display(> 'df1:'> , df1)> df2> => pd.DataFrame({> 'A'> : [> 'A4'> ,> 'A5'> ,> 'A6'> ,> 'A7'> ],> > 'B'> : [> 'B4'> ,> 'B5'> ,> 'B6'> ,> 'B7'> ]})> display(> 'df2:'> , df2)> # concatenating> display(> 'After concatenating:'> )> display(pd.concat([df1, df2],> > keys> => [> 'key1'> ,> 'key2'> ]))>

Išvestis

4 pavyzdys: Duomenų rėmelių sujungimas horizontaliai pandose, kai ašis = 1

sukuria du duomenų rėmelius ( df1> ir df2> ), ir sujungia juos išilgai stulpelių (ašis = 1), naudojant pd.concat()> . Gautas DataFrame sujungia abiejų stulpelius df1> ir df2> , sulygiuodami juos vienas šalia kito .

Python3

# importing the module> import> pandas as pd> # creating the DataFrames> df1> => pd.DataFrame({> 'A'> : [> 'A0'> ,> 'A1'> ,> 'A2'> ,> 'A3'> ],> > 'B'> : [> 'B0'> ,> 'B1'> ,> 'B2'> ,> 'B3'> ]})> display(> 'df1:'> , df1)> df2> => pd.DataFrame({> 'C'> : [> 'C0'> ,> 'C1'> ,> 'C2'> ,> 'C3'> ],> > 'D'> : [> 'D0'> ,> 'D1'> ,> 'D2'> ,> 'D3'> ]})> display(> 'df2:'> , df2)> # concatenating> display(> 'After concatenating:'> )> display(pd.concat([df1, df2],> > axis> => 1> ))>

Išvestis

5 pavyzdys: 2 duomenų rėmelių sujungimas su ignore_index = True

sukuria du duomenų rėmelius ( df1> ir df2> ) su vienodais stulpeliais ir sujungia juos vertikaliai naudodami pd.concat()> su ignore_index=True> . Gautas DataFrame turi nuolatinį indeksą, neatsižvelgiant į pradinius indeksus df1> ir df2> .

Python3

# importing the module> import> pandas as pd> # creating the DataFrames> df1> => pd.DataFrame({> 'A'> : [> 'A0'> ,> 'A1'> ,> 'A2'> ,> 'A3'> ],> > 'B'> : [> 'B0'> ,> 'B1'> ,> 'B2'> ,> 'B3'> ]})> display(> 'df1:'> , df1)> df2> => pd.DataFrame({> 'A'> : [> 'A4'> ,> 'A5'> ,> 'A6'> ,> 'A7'> ],> > 'B'> : [> 'B4'> ,> 'B5'> ,> 'B6'> ,> 'B7'> ]})> display(> 'df2:'> , df2)> # concatenating> display(> 'After concatenating:'> )> display(pd.concat([df1, df2],> > ignore_index> => True> ))>

Išvestis

6 pavyzdys: DataFrame sujungimas su serija

sukuria duomenų rėmelį ( df> ) ir serija ( series> ), tada sujungia juos išilgai stulpelių (ašis = 1), naudojant pd.concat()> . Gautas DataFrame sujungia stulpelius iš df> ir Serija, sulygiuodami juos vienas šalia kito. Pastaba: ekrano teiginyje yra rašybos klaida ( df1> vietoj df> ).

Python3

# importing the module> import> pandas as pd> # creating the DataFrame> df> => pd.DataFrame({> 'A'> : [> 'A0'> ,> 'A1'> ,> 'A2'> ,> 'A3'> ],> > 'B'> : [> 'B0'> ,> 'B1'> ,> 'B2'> ,> 'B3'> ]})> display(> 'df:'> , df1)> # creating the Series> series> => pd.Series([> 1> ,> 2> ,> 3> ,> 4> ])> display(> 'series:'> , series)> # concatenating> display(> 'After concatenating:'> )> display(pd.concat([df, series],> > axis> => 1> ))>

Išvestis