pandas中dataframe如何做数据拼接
目录
1. 垂直拼接（Vertical Concatenation）
2. 水平拼接（Horizontal Concatenation）
在Pandas中，数据拼接指的是将多个DataFrame对象组合成一个更大的DataFrame。Pandas提供了多种方法来进行数据拼接，主要可以分为垂直拼接（沿着行方向拼接）和水平拼接（沿着列方向拼接）。
1. 垂直拼接（Vertical Concatenation）
垂直拼接通常使用 pd.concat() 函数来完成。在这个过程中，多个DataFrame将会按照行（axis=0）的方向进行堆叠。
示例代码：
import pandas as pd
# 创建两个示例DataFrame
df1 = pd.DataFrame({
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']
})
df2 = pd.DataFrame({
'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B4', 'B5', 'B6', 'B7'],
'C': ['C4', 'C5', 'C6', 'C7'],
'D': ['D4', 'D5', 'D6', 'D7']
})
# 垂直拼接df1和df2
result = pd.concat([df1, df2], axis=0, ignore_index=True)
print(result)运行结果：
示例：
2. 水平拼接（Horizontal Concatenation）
水平拼接同样使用 pd.concat() 函数，但这次是沿着列（axis=1）的方向进行拼接。
示例代码：
# 创建两个不同的DataFrame，列名不同
df3 = pd.DataFrame({
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']
})
df4 = pd.DataFrame({
'A': ['A4', 'A5', 'A6', 'A7'],
'E': ['E4', 'E5', 'E6', 'E7'],
'F': ['F4', 'F5', 'F6', 'F7']
})
# 水平拼接df3和df4
result = pd.concat([df3, df4], axis=1)
print(result)运行结果：
示例：
3. 数据合并（Joining DataFrames）
除了简单的拼接外，你还可以使用 merge() 和 join() 方法来基于键（key）合并DataFrame。
示例代码：
# 创建两个具有公共键的DataFrame
df_left = pd.DataFrame({
'key': ['K0', 'K1', 'K2', 'K3'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']
})
df_right = pd.DataFrame({
'key': ['K0', 'K1', 'K2', 'K3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']
})
# 使用merge按key合并
merged_result = pd.merge(df_left, df_right, on='key')
print(merged_result)运行结果：
4. 注意事项
- 在使用 pd.concat() 时，如果DataFrame的索引不匹配，默认情况下会保留所有的索引。可以通过设置参数 ignore_index=True 来重置索引。
- 使用 merge() 和 join() 时，需要确保至少有一个公共的键来连接数据。
- 在拼接之前，检查DataFrame是否有相同的行数（如果是水平拼接）或相同的列数（如果是垂直拼接），以避免错误。
原文地址：https://blog.csdn.net/qq_41797451/article/details/142971009
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！