参数说明
objs: series,dataframe或者是panel构成的序列lsit
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
其他一些参数不常用,用的时候再补上说明。
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
效果如下
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
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。
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
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。
前面提到的keys参数可以用来给合并后的表增加key来区分不同的表数据来源
In [28]: pieces = {'x': df1, 'y': df2, 'z': df3} In [29]: result = pd.concat(pieces)In [34]: s2 = pd.Series(['X0', 'X1', 'X2', 'X3'], index=['A', 'B', 'C', 'D']) In [35]: result = df1.append(s2, ignore_index=True)如果遇到两张表的列字段本来就不一样,但又想将两个表合并,其中无效的值用nan来表示。那么可以使用ignore_index来实现。In [36]: dicts = [{'A': 1, 'B': 2, 'C': 3, 'X': 4}, ....: {'A': 5, 'B': 6, 'C': 7, 'Y': 8}] ....: In [37]: result = df1.append(dicts, ignore_index=True)