Funkcja pandas.concat() wykonuje wszystkie zadania związane z wykonywaniem operacji łączenia wraz z osią Obiekty pandy podczas wykonywania opcjonalnej logiki zbioru (zsumowania lub przecięcia) indeksów (jeśli występują) na pozostałych osiach.
Funkcja pandy concat() Składnia
Składnia: concat(obiekty, oś, łączenie, ignorowanie_indeksu, klucze, poziomy, nazwy, weryfikacja_integralności, sortowanie, kopiowanie)
Parametry:
- obs: Obiekty serii lub DataFrame
- oś: oś do łączenia wzdłuż; wartość domyślna = 0
- dołączyć: sposób do obsługi indeksów na innej osi; domyślnie = „zewnętrzny”
- ignorować_indeks: jeśli True, nie używaj wartości indeksów wzdłuż osi konkatenacji; wartość domyślna = Fałsz
- Klucze: sekwencja dodania identyfikatora do indeksów wyników; domyślnie = Brak
- poziomy: określone poziomy (unikalne wartości) do wykorzystania przy konstruowaniu MultiIndexu; domyślnie = Brak
- nazwy: nazwy poziomów w wynikowym indeksie hierarchicznym; domyślnie = Brak
- zweryfikować_integralność: sprawdź, czy nowa połączona oś zawiera duplikaty; wartość domyślna = Fałsz
- sortować: sortuj oś niebędącą konkatenacją, jeśli nie jest już wyrównana, gdy złącze jest „zewnętrzne”; wartość domyślna = Fałsz
- Kopiuj: jeśli Fałsz, nie kopiuj niepotrzebnie danych; domyślnie = Prawda
Zwroty: typ obiektów (Seria DataFrame)
Połącz za pomocą Pand z przykładami
Przykład 1: Łączenie ramek danych w Pythonie
W tym przykładzie łączymy dwie serie z domyślnymi parametrami Pandy .
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]))> |
>
>
Wyjście
Przykład 2: Pandy łączące dwie ramki danych w poziomie z indeksem = 1
W tym przykładzie tworzymy dwie serie Pand (series1>Iseries2>), a następnie łączy je wzdłuż kolumn (oś=1) za pomocąpd.concat()>. Wynikowa ramka DataFrame zawiera obie serie jako kolumny, tworząc nową ramkę DataFrame z dwiema kolumnami.
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>))> |
>
>
Wyjście
Przykład 3: Łączenie 2 ramek danych i przypisywanie kluczy
tworzy dwie ramki danych (df1>Idf2>) i łączy je wraz z kluczami przypisanymi do każdej ramki DataFramepd.concat()>. Powstała ramka DataFrame ma hierarchiczny indeks z kluczami „klucz1” i „klucz2”, rozróżniając pochodzenie każdego zestawu danych.
Python3
jak działa komputer
# 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'>]))> |
>
>
Wyjście
Przykład 4: Łączenie ramek danych w poziomie w Pandach z osią = 1
tworzy dwie ramki danych (df1>Idf2>) i łączy je wzdłuż kolumn (oś=1) za pomocąpd.concat()>. Wynikowa ramka DataFrame łączy kolumny z obudf1>Idf2>, układając je obok siebie .
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>))> |
>
>
Wyjście
Przykład 5: Łączenie 2 ramek danych z ignorowaniem_index = True
tworzy dwie ramki danych (df1>Idf2>) z identycznymi kolumnami i łączy je w pionie za pomocąpd.concat()>zignore_index=True>. Wynikowa ramka DataFrame ma ciągły indeks, ignorując oryginalne indeksydf1>Idf2>.
Python3
cykl życia SDLC
# 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>))> |
>
>
Wyjście
Przykład 6: Łączenie ramki danych z serią
tworzy ramkę danych (df>) i serię (series>), a następnie łączy je wzdłuż kolumn (oś=1) za pomocąpd.concat()>. Wynikowa ramka DataFrame łączy kolumny zdf>i Serię, układając je obok siebie. Uwaga: w instrukcji display znajduje się literówka (df1>zamiastdf>).
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>))> |
>
>
Wyjście