恭喜323重归8人组
——侃爷
摘要
数据分析与建模的时候大部分时间在数据准备上,包括对数据的加载、清理、转换以及重塑。pandas提供了一组高级的、灵活的、高效的核心函数,能够轻松的将数据规整化。
前面给大家分享了
[pandas.merge用法详解]
,这节分享pandas数据合并处理的姊妹篇,pandas.concat用法详解,参考利用Python进行数据分析与[pandas官网]进行整理。
pandas.merge参数列表如下图,其中只有objs是必须得参数,另外常用参数包括objs、axis、join、keys、ignore_index。
1.pd.concat([df1,df2,df3]),默认axis=0,在0轴上合并。
2.pd.concat([df1,df4],axis=1)--在1轴上合并
3.pd.concat([df1,df2,df3],keys=['x', 'y', 'z'])--合并时便于区分建立层次化索引。
4.pd.concat([df1, df4], axis=1, join='inner')--采用内连接合并,join默认为outer外连接。
5.pd.concat([df1, df4], ignore_index=True)--当原来DataFrame的索引没有意义的时候,concat之后可以不需要原来的索引。
我们下次再见,如果还有下次的话!!!
【新浪微博@516数据工作室】
长按下方二维码关注"516数据工作室"
领取专属 10元无门槛券
私享最新 技术干货