Pandas.concat()-funktio tekee kaiken raskaan noston ketjutusoperaatioiden suorittamisesta yhdessä akselin kanssa Panda-esineitä samalla kun suoritetaan valinnaista joukkologiikkaa (liitos tai leikkaus) indekseille (jos sellaisia on) muilla akseleilla.
Pandas concat()-funktio Syntaksi
Syntaksi: concat(objs, akseli, liitos, ignore_index, avaimet, tasot, nimet, tarkista_eheys, lajittelu, kopioi)
Parametrit:
- obs: Sarja- tai DataFrame-objektit
- akseli: akseli ketjuttaa pitkin; oletus = 0
- liittyä seuraan: tapa käsitellä indeksejä toisella akselilla; oletus = 'ulkoinen'
- ignore_index: jos True, älä käytä indeksiarvoja ketjutusakselilla; oletus = False
- avaimet: sekvenssi tunnisteen lisäämiseksi tulosindekseihin; oletus = Ei mitään
- tasot: tietyt tasot (yksilölliset arvot), joita käytetään MultiIndexin muodostamiseen; oletus = Ei mitään
- nimet: tuloksena olevan hierarkkisen indeksin tasojen nimet; oletus = Ei mitään
- verify_integrity: tarkista, sisältääkö uusi ketjutettu akseli kaksoiskappaleita; oletus = False
- järjestellä: lajittele ei-ketjutusakseli, jos se ei ole jo kohdistettu, kun liitos on 'ulompi'; oletus = False
- kopio: jos epätosi, älä kopioi tietoja tarpeettomasti; oletus = tosi
Palautukset: objs-tyyppi (DataFrame-sarja)
Liitä esimerkkien avulla pandat
Esimerkki 1: Liitä datakehykset Pythonissa
Tässä esimerkissä ketjutamme kaksi sarjaa oletusparametrien kanssa Pandat .
Python 3
# 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]))> |
linux isäntä
>
>
Lähtö
Esimerkki 2: Pandat yhdistävät kaksi datakehystä vaakasuunnassa indeksillä = 1
Tässä esimerkissä luomme kaksi Panda-sarjaa (series1>jaseries2>) ja ketjuttaa ne sitten sarakkeita pitkin (akseli=1) käyttämälläpd.concat()>. Tuloksena oleva DataFrame sisältää molemmat sarjat sarakkeina, mikä luo uuden DataFramen, jossa on kaksi saraketta.
Python 3
# 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>))> |
>
>
Lähtö
Esimerkki 3: 2 datakehyksen ketjuttaminen ja avainten määrittäminen
luo kaksi datakehystä (df1>jadf2>), ja yhdistää ne kullekin datakehykselle määritettyjen avainten kanssapd.concat()>. Tuloksena olevalla DataFrame-kehyksellä on hierarkkinen indeksi avaimilla 'avain1' ja 'avain2', joka erottaa kunkin tietojoukon alkuperän.
Python 3
# 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'>]))> |
>
inurl:.git/head
>
Lähtö
Esimerkki 4: DataFrame-kehysten ketjuttaminen vaakasuoraan Pandassa, jossa akseli = 1
luo kaksi DataFrame-kehystä (df1>jadf2>) ja ketjuttaa ne sarakkeita pitkin (akseli=1) käyttämälläpd.concat()>. Tuloksena oleva DataFrame yhdistää sarakkeet molemmistadf1>jadf2>kohdistamalla ne vierekkäin .
Python 3
# 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>))> |
array vs arraylist
>
>
Lähtö
Esimerkki 5: 2 DataFrame-kehyksen ketjuttaminen ignore_index = True
luo kaksi datakehystä (df1>jadf2>) identtisillä sarakkeilla ja ketjuttaa ne pystysuunnassa käyttämälläpd.concat()>kanssaignore_index=True>. Tuloksena olevalla DataFrame-kehyksellä on jatkuva indeksi, joka jättää huomiotta alkuperäiset indeksitdf1>jadf2>.
Python 3
# 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>))> |
>
>
Lähtö
Esimerkki 6: DataFrame-kehyksen ketjuttaminen sarjaan
luo DataFramen (df>) ja sarja (series>), ketjuttaa ne sitten sarakkeita pitkin (akseli=1) käyttämälläpd.concat()>. Tuloksena oleva DataFrame yhdistää sarakkeet kohteestadf>ja sarja, kohdistamalla ne vierekkäin. Huomautus: näyttölauseessa on kirjoitusvirhe (df1>sijastadf>).
Python 3
# 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>))> |
>
>
Lähtö
mysql jätti liittymään