pandas作者wes mckinney 在【python for data analysis】中對pandas的方方面面都有了乙個權威簡明的入門級的介紹，但在實際使用過程中，我發現書中的內容還只是冰山一角。談到pandas資料的行更新、表合併等操作，一般用到的方法有concat、join、merge。但這三種方法對於很多新手來說，都不太好分清使用的場合與用途。今天就pandas官網中關於資料合併和重述的章節做個使用方法的總結。
concat函式是在pandas底下的方法，可以將資料根據不同的軸作簡單的融合
pd.concat(objs, axis=
0, join
='outer', join_axes=
none, ignore_index=
false,
keys=
none, levels=
none, names=
none, verify_integrity=
false)
axis： 需要合併鏈結的軸，0是行，1是列
join：連線的方式 inner，或者outer
其他一些引數不常用，用的時候再補上說明。
# 現將表構成list，然後在作為concat的輸入
in [4]: frames = [df1, df2, df3]
in [5]: result = pd.concat(frames)
in [6]: result = pd.concat(frames, keys=['x', 'y', 'z'])
當axis = 1的時候，concat就是行對齊，然後將不同列名稱的兩張表合併
加上join引數的屬性，如果為』inner』得到的是兩表的交集，如果是outer，得到的是兩表的並集。
如果有join_axes的引數傳入，可以指定根據那個軸來對齊資料
例如根據df1表對齊資料，就會保留指定的df1表的軸，然後將df4的表與之拼接
如果兩個表的index都沒有實際含義，使用ignore_index引數，置true，合併的兩個表就睡根據列欄位對齊，然後合併。最後再重新整理乙個新的index。
前面提到的keys引數可以用來給合併後的表增加key來區分不同的表資料**
如果遇到兩張表的列欄位本來就不一樣，但又想將兩個表合併，其中無效的值用nan來表示。那麼可以使用ignore_index來實現。下一章，我們將繼續介紹pandas中其他進行資料合併和重塑的方法模組——join & merging
pandas作者wes mckinney 在【python for data analysis】中對pandas的方方面面都有了乙個權威簡明的入門級的介紹，但在實際使用過程中，我發現書中的內容還只是冰山一角。談到pandas資料的行更新、表合併等操作，一般用到的方法有concat、join、merge。但這三種方法對於很多新手來說，都不太好分清使用的場合與用途。今天就pandas官網中關於資料合併和重述的章節做個使用方法的總結。
Pandas DataFrame用法總結
1 將某一列滿足條件的資料的所在行提取出來 df ori pd.read excel f ivf data data add yuejing time data arrange no null23.xlsx df new df ori df ori.iloc 2 0.6 將某一列滿足條件 0.6 的...
Pandas DataFrame常用方法
1 獲取列名 1.1.鍊錶推導式 語法 col for col in df 返回結果 cvr1 cvr2 cvr3 cvr4 結果型別 list 1.2.通過columns屬性 columns屬性返回index，columns.values屬性返回 numpy.ndarray，可通過 tolist ...
Pandas DataFrame 按行構建
當我們從複雜 提取出逐個樣本的特徵時，繼而構成一條樣本並組成訓練或測試集時，比較容易想到的一點就是一行一行地構建dataframe。而pandas.dataframe 容許的輸入有numpy ndarray structured or homogeneous dict,or dataframe這些 ...