本文为大家分享了python的concat等多种用法，供大家参考，具体内容如下
1、numpy中的concatenate()函数：
|
1
2
3
4
5
6
7
8
9
|
>>> a = np.array([[1, 2], [3, 4]])>>> b = np.array([[5, 6]])>>> np.concatenate((a, b), axis=0)array([[1, 2], [3, 4], [5, 6]])>>> np.concatenate((a, b.T), axis=1)array([[1, 2, 5], [3, 4, 6]]) |
2、pandas中的merge，concat，join
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
|
# In[]:数据的合并# 1 ，merge，类似数据库中的# (1)内连接，pd.merge(a1, a2, on='key')# (2)左连接，pd.merge(a1, a2, on='key', how='left')# (3)右连接，pd.merge(a1, a2, on='key', how='right')# (4)外连接， pd.merge(a1, a2, on='key', how='outer')data1 = pd.DataFrame( np.arange(0,16).reshape(4,4), columns=list('abcd'))data1data2 = [ [4,1,5,7], [6,5,7,1], [9,9,123,129], [16,16,32,1]]data2 = pd.DataFrame(data2,columns = ['a','b','c','d'])data2# 内连接 ,交集pd.merge(data1,data2,on=['b'])# 左连接 注意：如果 on 有两个条件，on = ['a','b']# how = 'left','right','outer'pd.merge(data1,data2,on='b',how='left') # 2，append,相当于R中的rbind# ignore_index = True:这个时候 表示index重新记性排列,而且这种方法是复制一个样本data1.append(data2,ignore_index = True) # 3，joindata2.columns=list('pown')# 列名不能重叠：在这里的用法和R中rbind很像，但是join的用法还是相对麻烦的result = data1.join(data2)result # 4,concat 这个方法能够实现上面所有的方法的效果# concat函数是pandas底下的方法，可以把数据根据不同的轴进行简单的融合# pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,# keys=None, levels=None, names=None, verify_integrity=False) # 参数说明：# objs:series,dataframe，或者panel构成的序列list# axis：0 行，1列# join：inner，outer # a,相同字段表首尾巴相接data1.columns = list('abcd')data2.columns =list('abcd')data3 = data2# 为了更好的查看连接后的数据来源，添加一个keys更好查看pd.concat([data1,data2,data3],keys=['data1','data2','data3']) # b ，列合并（也就是行对齐）：axis = 1, pd.concat([data1,data2,data3],axis = 1,keys = ['data1','data2','data3']) data4 = data3[['a','b','c']]# 在有些数据不存在的时候，会自动填充NANpd.concat([data1,data4]) # c:join:inner 交集，outer ，并集pd.concat([data1,data4],join='inner') # 在列名没有一个相同的时候会报错# data4.index = list('mnp')# pd.concat([data1,data4]) |
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/qwertyuiop5rghar/article/details/84501120
