本文為大家分享了python的concat等多種用法，供大家參考，具體內(nèi)容如下

1、numpy中的concatenate()函數(shù)：

>>> 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[]:數(shù)據(jù)的合并# 1 ，merge，類似數(shù)據(jù)庫中的# (1)內(nèi)連接，pd.merge(a1, a2, on='key')# (2)左連接，pd.merge(a1, a2, on='key', how='left')# (3)右連接，pd.merge(a1, a2, on='key', how='right')# (4)外連接， pd.merge(a1, a2, on='key', how='outer')data1 = pd.DataFrame(  np.arange(0,16).reshape(4,4),  columns=list('abcd'))data1data2 = [  [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# 內(nèi)連接 ,交集pd.merge(data1,data2,on=['b'])# 左連接 注意：如果 on 有兩個條件，on = ['a','b']# how = 'left','right','outer'pd.merge(data1,data2,on='b',how='left') # 2，append,相當(dāng)于R中的rbind# ignore_index = True:這個時候 表示index重新記性排列,而且這種方法是復(fù)制一個樣本data1.append(data2,ignore_index = True) # 3，joindata2.columns=list('pown')# 列名不能重疊：在這里的用法和R中rbind很像，但是join的用法還是相對麻煩的result = data1.join(data2)result # 4,concat 這個方法能夠?qū)崿F(xiàn)上面所有的方法的效果# concat函數(shù)是pandas底下的方法，可以把數(shù)據(jù)根據(jù)不同的軸進(jìn)行簡單的融合# pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,#    keys=None, levels=None, names=None, verify_integrity=False) # 參數(shù)說明：# objs:series,dataframe，或者panel構(gòu)成的序列l(wèi)ist# 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# 為了更好的查看連接后的數(shù)據(jù)來源，添加一個keys更好查看pd.concat([data1,data2,data3],keys=['data1','data2','data3']) # b ，列合并（也就是行對齊）：axis = 1, pd.concat([data1,data2,data3],axis = 1,keys = ['data1','data2','data3']) data4 = data3[['a','b','c']]# 在有些數(shù)據(jù)不存在的時候，會自動填充NANpd.concat([data1,data4]) # c:join:inner 交集，outer ，并集pd.concat([data1,data4],join='inner') # 在列名沒有一個相同的時候會報錯# data4.index = list('mnp')# pd.concat([data1,data4])

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持武林站長站。