Pandas.concat()-funktionen udfører alt det tunge løft ved at udføre sammenkædningsoperationer sammen med en akse af Pandaer gør indsigelse mens der udføres valgfri sætlogik (forening eller skæring) af indekserne (hvis nogen) på de andre akser.
Pandas concat() funktion Syntaks
Syntaks: concat(objs, axis, join, ignore_index, keys, levels, names, verify_integrity, sort, copy)
Parametre:
- obs: Serier eller DataFrame-objekter
- akse: akse til at sammenkædes langs; standard = 0
- tilslutte: vej at håndtere indekser på anden akse; default = 'ydre'
- ignore_index: hvis det er sandt, skal du ikke bruge indeksværdierne langs sammenkædningsaksen; default = Falsk
- nøgler: sekvens for at tilføje en identifikator til resultatindekserne; standard = Ingen
- niveauer: specifikke niveauer (unikke værdier) til brug for at konstruere et MultiIndex; standard = Ingen
- navne: navne på niveauerne i det resulterende hierarkiske indeks; standard = Ingen
- verify_integrity: kontrollere, om den nye sammenkædede akse indeholder dubletter; default = Falsk
- sortere: sorter ikke-sammenkædet akse, hvis den ikke allerede er justeret, når sammenføjningen er 'ydre'; default = Falsk
- kopi: hvis falsk, må du ikke kopiere data unødigt; default = Sand
Vender tilbage: type objekter (Series of DataFrame)
Sammensæt brug af pandaer med eksempler
Eksempel 1: Sammenkæd datarammer i Python
I dette eksempel sammenkæder vi to serier med standardparametre i Pandaer .
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]))> |
>
>
Produktion
tilslut database java
Eksempel 2: Pandaer, der kombinerer to datarammer horisontalt med indeks = 1
I dette eksempel skaber vi to Pandas-serier (series1>ogseries2>), og derefter sammenkæder dem langs kolonnerne (akse=1) vhapd.concat()>. Den resulterende DataFrame indeholder begge serier som kolonner, hvilket skaber en ny DataFrame med to kolonner.
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>))> |
>
>
Produktion
Eksempel 3: Sammenkædning af 2 datarammer og tildeling af nøgler
opretter to DataFrames (df1>ogdf2>), og sammenkæder dem sammen med nøgler, der er tildelt hver DataFrame ved hjælp afpd.concat()>. Den resulterende DataFrame har et hierarkisk indeks med nøglerne 'key1' og 'key2', der skelner oprindelsen af hvert sæt data.
noget hurtig sortering
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'>]))> |
>
>
Produktion
hvordan man konverterer en streng til en int
Eksempel 4: Sammenkædning af datarammer vandret i pandaer med akse = 1
opretter to DataFrames (df1>ogdf2>), og sammenkæder dem langs kolonnerne (akse=1) ved hjælp afpd.concat()>. Den resulterende DataFrame kombinerer kolonner fra beggedf1>ogdf2>, justering af dem side om side .
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>))> |
>
kandidatnøgle
>
Produktion
Eksempel 5: Sammenkædning af 2 DataFrames med ignore_index = True
opretter to DataFrames (df1>ogdf2>) med identiske kolonner, og sammenkæder dem lodret ved hjælp afpd.concat()>medignore_index=True>. Den resulterende DataFrame har et kontinuerligt indeks, der ignorerer de oprindelige indekser afdf1>ogdf2>.
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>))> |
>
>
Produktion
Eksempel 6: Sammenkædning af en DataFrame med en serie
opretter en DataFrame (df>) og en serie (series>), og derefter sammenkæder dem langs kolonnerne (akse=1) ved hjælp afpd.concat()>. Den resulterende DataFrame kombinerer kolonnerne fradf>og serien, der justerer dem side om side. Bemærk: Der er en tastefejl i displayerklæringen (df1>i stedet fordf>).
Python3
logo java
# 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>))> |
>
>
Produktion