4.1 堆疊合并數(shù)據(jù)

4.1堆疊合并數(shù)據(jù)學(xué)習(xí)內(nèi)容2.縱向堆疊合并1.橫向堆疊合并3.交叉堆疊合并4.1.1橫向堆疊合并數(shù)據(jù)

堆疊合并可以沿著指定的行/列將多個dataframe或者series對象合并到一起。按照合并的方向，可以分為橫向堆疊合并，縱向堆疊合并和交叉堆疊合并。堆疊合并操作可以通過pandas庫的concat()方法完成，返回值為合并后的DataFrame或Series對象。4.1.1橫向堆疊合并數(shù)據(jù)

橫向堆疊合并操作是將不同的表按行標(biāo)簽進(jìn)行橫向拼接，在concat()方法中將設(shè)置參數(shù)axis=1。如果表的行標(biāo)簽不同時，缺失的數(shù)據(jù)用NaN填充。01importpandasaspd02df1=pd.DataFrame({'A':['A0','A1'],'B':['B0','B1']})03df2=pd.DataFrame({'C':['C0','C1'],'D':['D0','D1']})04cont=pd.concat([df1,df2],axis=1)05cont06df3=pd.DataFrame({'E':['E0'],'F':['F0']})07cont=pd.concat([cont,df3],axis=1)08cont4.1.2縱向堆疊合并數(shù)據(jù)

縱向堆疊合并操作是將不同的表按列標(biāo)簽進(jìn)行縱向拼接，在concat()方法中，默認(rèn)是縱向拼接，即參數(shù)axis=0?？v向堆疊合并是按列對齊，如果表的列標(biāo)簽不同時，缺失的數(shù)據(jù)用NaN填充。01importpandasaspd02df1=pd.DataFrame({'A':['A0','A1'],'B':['B0','B1']})03df2=pd.DataFrame({'A':['A2','A3'],'B':['B2','B3']})04cont=pd.concat([df1,df2])05cont06cont=pd.concat([df1,df2],ignore_index=True)07cont4.1.2縱向堆疊合并數(shù)據(jù)

繼續(xù)在cont上縱向堆疊合并對象df3，而且重新產(chǎn)生行標(biāo)簽，代碼如下所示：08df3=pd.DataFrame({'B':['B4'],'C':['C4']})09cont=pd.concat([cont,df3],ignore_index=True)10contdf1，df2和df3被縱向拼接，而且重新產(chǎn)生行標(biāo)簽?？v向合并時按列標(biāo)簽對齊，缺失的數(shù)據(jù)用NaN填充。4.1.3交叉堆疊合并數(shù)據(jù)

交叉堆疊合并操作是按行/列標(biāo)簽對齊，進(jìn)行兩表的交集或者并集的合并操作，通過在concat()方法中設(shè)置join參數(shù)來實現(xiàn)。如果join=‘inner’，合并后得到兩表的交集；如果join=‘outer’，合并后得到兩表的并集，缺失的數(shù)據(jù)仍然用NaN填充。示例：4.1.3交叉堆疊合并數(shù)據(jù)

01importpandasaspd02df1=pd.DataFrame({'A':['A0','A1','A2'],'B':['B0','B1','B2']})03df2=pd.DataFrame({'B':['B2','B3'],'C':['C2','C3']},index=[2,3])04cont=pd.concat([df1,df2],axis=1,join='inner')#按橫向合并得到df1和df2的交集05cont06cont=pd.concat([df1,df2],axis=1,join='outer')#按橫向合并得到df1和df2的并集07cont08cont=pd.concat([df1,df2],join=‘inner’)#按縱向合并得到df