一、函数介绍和参数含义

比赛中经常用到数据处理，当需要对某些表的列数据进行拼接时则会用到​​concat​​​API，关于直观上的图形拼接栗子可以参考​​pandas的concat函数和append方法​​。

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
          keys=None, levels=None, names=None, verify_integrity=False,
          copy=True)

其中上面的参数含义为：

  • ​​objs​​：Series，DataFrame或Panel对象的序列或映射。如果传递了dict，则排序的键将用作键参数，除非它被传递，在这种情况下，将选择值（见下文）。任何无对象将被静默删除，除非它们都是无，在这种情况下将引发一个ValueError。
  • ​​axis​​：{0,1，…}，默认为0。沿着连接的轴。
  • ​​join​​：{‘inner’，‘outer’}，默认为“outer”。如何处理其他轴上的索引。outer为联合和inner为交集。
  • ​​ignore_index​​：boolean，default False。如果为True，请不要使用并置轴上的索引值。结果轴将被标记为0，…，n-1。如果要连接其中并置轴没有有意义的索引信息的对象，这将非常有用。
  • ​​join_axes​​​：Index对象列表。用于其他n-1轴的特定索引，而不是执行内部/外部设置逻辑。
    keys：序列，默认值无。使用传递的键作为最外层构建层次索引。如果为多索引，应该使用元组。
  • ​​levels​​：序列列表，默认值无。用于构建MultiIndex的特定级别（唯一值）。否则，它们将从键推断。
  • ​​names​​：list，default无。结果层次索引中的级别的名称。
  • ​​verify_integrity​​：boolean，default False。检查新连接的轴是否包含重复项。这相对于实际的数据串联可能是非常昂贵的。
  • ​​copy​​：boolean，default True。如果为False，请勿不必要地复制数据。

二、举例

# -*- coding: utf-8 -*-
"""
Created on Tue Sep 28 10:14:46 2021

@author: 86493
"""
import pandas as pd
s1 = pd.Series(['andy', 'guo'])
s2 = pd.Series(['li', 'fei'])
# 将两个series拼接在一起
pd.concat([s1, s2]) 
"""
0    andy
1     guo
0      li
1     fei
dtype: object
"""
pd.concat([s1, s2], ignore_index = True)  
# 清除之前存在的index，改为从0按顺序开始 
"""
0    andy
1     guo
2      li
3     fei
dtype: object
"""
# 给原来基础上给每个series添加对应的key值
end1 = pd.concat([s1, s2], keys = ['s1', 's2'])
"""
s1  0    andy
    1     guo
s2  0      li
    1     fei
dtype: object
"""
print(end1['s1'])
"""
0    andy
1     guo
dtype: object
"""
print('-'*40)

# 给key加label
end2 = pd.concat([s1, s2], keys = ['s1', 's2'],
          names = ['Series name', 'Row ID'])
print(end2)
"""
Series name  Row ID
s1           0         andy
             1          guo
s2           0           li
             1          fei
dtype: object
"""
print('-'*40)

df1 = pd.DataFrame([['a', 1], ['b', 2]],
                    columns = ['letter' , 'number']) 
print(df1)
"""
  letter  number
0      a       1
1      b       2
"""
print('-'*40)


df2 = pd.DataFrame([['c', 3], ['d', 4]],
                    columns = ['letter' , 'number']) 
print(df2)
print('-'*40)

# 将两个dataframe的指定列拼接在一起
end3 = pd.concat([df1, df2])
print(end3)
"""
  letter  number
0      a       1
1      b       2
0      c       3
1      d       4
"""
print('-'*40)

df3 = pd.DataFrame([['c', '3', 'cat'], ['d', '4', 'dog']],
                   columns = ['letter', 'number', 'animal'])
print("df3:\n", df3)
print('-'*40)

end4 = pd.concat([df1, df3], sort = False) # false则代表没改变columns顺序
print("end4:\n", end4)
print('-'*40)

# 返回两者重复的列，不相同的列不显示
end5 = pd.concat([df1, df3], join = "inner")
print("end5:\n", end5)
print('-'*40)

df4 = pd.DataFrame([['bird', 'polly'], ['monkey', 'george']],
                   columns = ['animal', 'name']) 
end6 = pd.concat([df1, df4], axis = 1) # 垂直拼接
print("end6:\n", end6)
print('-'*40)

df5 = pd.DataFrame([1], index = ['a'])
print("df5:\n", df5)
print('-'*40)

df6 = pd.DataFrame([2], index = ['a'])
print("df6:\n", df6)
print('-'*40)

pd.concat([df5, df6], verify_integrity = True)

结果为：

0    andy
1     guo
dtype: object
----------------------------------------
Series name  Row ID
s1           0         andy
             1          guo
s2           0           li
             1          fei
dtype: object
----------------------------------------
  letter  number
0      a       1
1      b       2
----------------------------------------
  letter  number
0      c       3
1      d       4
----------------------------------------
  letter  number
0      a       1
1      b       2
0      c       3
1      d       4
----------------------------------------
df3:
   letter number animal
0      c      3    cat
1      d      4    dog
----------------------------------------
end4:
   letter number animal
0      a      1    NaN
1      b      2    NaN
0      c      3    cat
1      d      4    dog
----------------------------------------
end5:
   letter number
0      a      1
1      b      2
0      c      3
1      d      4
----------------------------------------
end6:
   letter  number  animal    name
0      a       1    bird   polly
1      b       2  monkey  george
----------------------------------------
df5:
    0
a  1
----------------------------------------
df6:
    0
a  2
----------------------------------------

Reference

pandas官方文档：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.concat.html?highlight=concat#pandas.concat