python的concat等用法

1,numpy中的concatenate()函数：

>>> a = np.array([[1, 2], [3, 4]])

>>> b = np.array([[5, 6]])

>>> np.concatenate((a, b), axis=0)

array([[1, 2],

[3, 4],

[5, 6]])

>>> np.concatenate((a, b.T), axis=1)

array([[1, 2, 5],

[3, 4, 6]])

2，pandas中的merge，concat，join

# In[]:数据的合并

# 1 ，merge，类似数据库中的

# (1)内连接，pd.merge(a1, a2, on='key')

# (2)左连接，pd.merge(a1, a2, on='key', how='left')

# (3)右连接，pd.merge(a1, a2, on='key', how='right')

# (4)外连接， pd.merge(a1, a2, on='key', how='outer')

data1 = pd.DataFrame(

np.arange(0,16).reshape(4,4),

columns=list('abcd')

)

data1

data2 = [

[4,1,5,7],

[6,5,7,1],

[9,9,123,129],

[16,16,32,1]

]

data2 = pd.DataFrame(data2,columns = ['a','b','c','d'])

data2

# 内连接 ,交集

pd.merge(data1,data2,on=['b'])

# 左连接 注意：如果 on 有两个条件，on = ['a','b']

# how = 'left','right','outer'

pd.merge(data1,data2,on='b',how='left')

# 2，append,相当于R中的rbind

# ignore_index = True:这个时候 表示index重新记性排列,而且这种方法是复制一个样本

data1.append(data2,ignore_index = True)

# 3，join

data2.columns=list('pown')

# 列名不能重叠：在这里的用法和R中rbind很像，但是join的用法还是相对麻烦的

result = data1.join(data2)

result

# 4,concat 这个方法能够实现上面所有的方法的效果

# concat函数是pandas底下的方法，可以把数据根据不同的轴进行简单的融合

# pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,

# keys=None, levels=None, names=None, verify_integrity=False)

# 参数说明：

# objs:series,dataframe，或者panel构成的序列list

# axis：0 行，1列

# join：inner，outer

# a,相同字段表首尾巴相接

data1.columns = list('abcd')

data2.columns =list('abcd')

data3 = data2

# 为了更好的查看连接后的数据来源，添加一个keys更好查看

pd.concat([data1,data2,data3],keys=['data1','data2','data3'])

# b ，列合并（也就是行对齐）：axis = 1,

pd.concat([data1,data2,data3],axis = 1,keys = ['data1','data2','data3'])

data4 = data3[['a','b','c']]

# 在有些数据不存在的时候，会自动填充NAN

pd.concat([data1,data4])

# c:join:inner 交集，outer ，并集

pd.concat([data1,data4],join='inner')

# 在列名没有一个相同的时候会报错

# data4.index = list('mnp')

# pd.concat([data1,data4])