怎么新建MySQL数据库

    这篇文章主要介绍了使用Python怎样对pandas数据合并的操作，对大家学习Python具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章能有所收获，接下来小编带着大家一起了解看看。

    一、concat

    concat函数是在pandas底下的方法，可以将数据根据不同的轴作简单的融合

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
       keys=None, levels=None, names=None, verify_integrity=False)

    axis： 需要合并链接的轴，0是行，1是列join：连接的方式 inner，或者outer

    二、相同字段的表首尾相接

#现将表构成list，然后在作为concat的输入
In [4]: frames = [df1, df2, df3]
 
In [5]: result = pd.concat(frames)

    要在相接的时候在加上一个层次的key来识别数据源自于哪张表，可以增加key参数

In [6]: result = pd.concat(frames, keys=['x', 'y', 'z'])

    也可以通过传入字典来增加分组键

pieces = {'x': df1, 'y': df2, 'z': df3}

result = pd.concat(pieces)

    三、axis

    当axis = 1的时候，concat就是行对齐，然后将不同列名称的两张表合并，是以索引号进行连接的

result = pd.concat([df1, df4], axis=1)

    3.1 join

    加上join参数的属性，如果为'inner'得到的是两表的交集，如果是outer，得到的是两表的并集。

result = pd.concat([df1, df4], axis=1, join='inner')

    3.2 join_axes

    如果有join_axes的参数传入，可以指定根据那个轴来对齐数据
    例如根据df1表对齐数据，就会保留指定的df1表的轴，然后将df4的表与之拼接

result = pd.concat([df1, df4], axis=1, join_axes=[df1.index])

    四、append

    append是series和dataframe的方法，使用它就是默认沿着列进行凭借（axis = 0，列对齐）

result = df1.append(df2)

    五、无视index的concat

    如果两个表的index都没有实际含义，使用ignore_index参数，置true，合并的两个表就睡根据列字段对齐，然后合并。最后再重新整理一个新的index。

    以上就是关于Python怎样对pandas数据合并的操作的操作介绍，希望对大家学习和了解pandas数据合并有帮助，想要了解更多Python的内容可以关注其他相关文章。

文本转载自脚本之家