Python | pandas.concat：连接数据的“万能胶”

在 pandas 下，可以对多种不同类型的数据进行粘结，包括 DataFrame、Series，甚至字典都可以合在一起，可以说是“万能胶”了。

在 Python 中 Pandas 提供了许多组合数据的手段，下面主要介绍 concat 的用法。

现有3个 DataFrame 分别是：df1、df2、df3：

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']},
                     index=[0, 1, 2, 3])
                     
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']},
                      index=[4, 5, 6, 7])
                      
df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
                    'B': ['B8', 'B9', 'B10', 'B11'],
                    'C': ['C8', 'C9', 'C10', 'C11'],
                    'D': ['D8', 'D9', 'D10', 'D11']},
                     index=[8, 9, 10, 11])

使用 Pandas 将3个 DataFrame 组合起来也是特别简单的，只需

result = pd.concat([df1, df2, df3])

假如将 DataFrame 组合起来后，又有从 result 中提取 DataFrame 的需要呢？只需要在组合的时候添加 keys 参数就好了。

frames = [df1, df2, df3]
result = pd.concat(frames, keys=['x', 'y', 'z'])

如果需要提取 df2，

In [7]: result.loc['y']
Out[7]: 
    A   B   C   D
4  A4  B4  C4  D4
5  A5  B5  C5  D5
6  A6  B6  C6  D6
7  A7  B7  C7  D7

在拼接 DataFrame 时，通过设置参数join你还可以决定只拼接哪些轴，比如，有 df4，

df4 = pd.DataFrame({'B': ['B2', 'B3', 'B6', 'B7'],
                    'D': ['D2', 'D3', 'D6', 'D7'],
                    'F': ['F2', 'F3', 'F6', 'F7']},
                    index=[2, 3, 6, 7])

在默认情况下，pandas 会将两个 DataFrame 完全粘结起来，这种连接方式保证了信息的零丢失，

# 默认join='outer'
result = pd.concat([df1, df4], axis=1)

当参数设置为join='inner'，可以理解为从两个 DataFrame 中取交集，

result = pd.concat([df1, df4], axis=1, join='inner')

当然，Series 也可以与 DataFrame 连接，比如，

s1 = pd.Series(['X0', 'X1', 'X2', 'X3'], name='X')
result = pd.concat([df1, s1], axis=1)

如果不喜欢 Series “讨厌”的名字，设置参数ignore_index=True便可以去掉重新索引，

result = pd.concat([df1, s1], axis=1, ignore_index=True)