pandas中的concat的功能：

假設(shè)你現(xiàn)在需要將多個數(shù)據(jù)合并，前提是：這幾個文件列名都一致，也就是說這幾個文件格式完全一樣，只是數(shù)據(jù)不太一樣，類似于合并多個文件這種，實際數(shù)據(jù)分析中也會遇到這種情況，那該怎么做呢？(可能也會遇到格式不一樣的情況，當(dāng)然也是可以合并的正文也會講解)下面來一起學(xué)習(xí)下在pandas中如何快速合并文件：

主要分為兩種情況

縱向合并：

需要注意的是，axis=0也就是默認(rèn)值的時候，合并的時候是按照兩個數(shù)據(jù)的列名稱作為鍵來和合并的。

s1 = pd.Series(['a', 'b'])s2 = pd.Series(['c', 'd'])pd.concat([s1, s2])

橫向合并：(axis=1,)

類似于merge,但是和merge也不一樣，如果設(shè)置axis=1合并的時候是按照索引來合并的，merge可以設(shè)置左右兩個數(shù)據(jù)的合并鍵，這點要區(qū)分。

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

需要重點掌握的概念：

concat和merge不一樣，雖然都是合并，但是merge更多的是數(shù)據(jù)匹配，根據(jù)共同的鍵來匹配，和sql中的查詢很類似，和excel中的vlookup很像，而concat是數(shù)據(jù)合并，不需要設(shè)置合并的鍵，

合并的keys:axis=0是按照列名，axis=1是按照索引來合并

concat的概念不僅存在于數(shù)據(jù)合并，在數(shù)據(jù)分組groupby中也隱藏著它的蹤跡，先分組，每個分組統(tǒng)計，然后合并，其意義與我們合并數(shù)據(jù)是一樣的

當(dāng)axis=1的時候也就是橫向合并，它的意義和merge很類似，需要好好區(qū)分

---

通過上面兩個簡單的例子，應(yīng)該能初步認(rèn)識concat

下面通過實例完整的掌握這個知識點：

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,

keys=None, levels=None, names=None, verify_integrity=False,

copy=True)

最簡單的縱向合并(有人也叫軸向合并，但是我總分不清楚，就叫它縱向合并吧)

import pandas as pdone = pd.DataFrame({ 'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'], 'subject_id':['sub1','sub2','sub4','sub6','sub5'], 'Marks_scored':[98,90,87,69,78]}, index=[1,2,3,4,5])two = pd.DataFrame({ 'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'], 'subject_id':['sub2','sub4','sub3','sub6','sub5'], 'Marks_scored':[89,80,79,97,88]}, index=[1,2,3,4,5])rs = pd.concat([one,two])print(rs)

結(jié)果：

objs︰ 傳入一個需要合并的序列

axis: {0，1，...}，默認(rèn)值為 0。要連接沿軸。

ignore_index︰ 布爾值、 默認(rèn) False。這個參數(shù)很重要，縱向合并多個文件時，默認(rèn)為原來的索引，這樣勢必導(dǎo)致會有重復(fù)的索引值，如果想要一個全新的索引，就設(shè)置這個參數(shù)為True

在沒有設(shè)置這個參數(shù)的時候可以看到結(jié)果中的索引均為各自原先的索引，下面看看設(shè)置后的：

rs = pd.concat([one,two],ignore_index=True)

結(jié)果：

keys︰ 序列，默認(rèn)為無。構(gòu)建分層索引使用通過的鍵作為最外面的級別。如果多個級別獲得通過，應(yīng)包含元組。

如果你寫成下面這種方式，keys的結(jié)果會被ignore覆蓋掉

rs = pd.concat([one,two],ignore_index=True,keys=["a 創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅持創(chuàng)作打卡瓜分現(xiàn)金大獎

總結(jié)

以上是生活随笔為你收集整理的pandas concat_pandas-数据合并-concat（最全参数解释，含代码和实例）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。