数据分析入门——pandas之数据合并

主要分为：级联：pd.concat、pd.append

　　　　　合并：pd.merge

一、numpy级联的回顾

　　详细参考numpy章节

　　　　https://www.cnblogs.com/jiangbei/p/11287238.html

　　

二、pd中concat函数

　　1.简单级联

　　　　和numpy的级联类似，默认增加行数，通过axis（默认为0）来控制

 　　　 在pandas中,如果行 和 列不一致,但是shape相同,会级联成一个更大的df,不对应的值会填充NaN。

　　

 

　　

　　

 　　并且，级联可以重复：

　　

　　可以通过ignore_index进行索引重排序（变成0开始的索引）：

　　

 　　通过keys创建多层索引：（可以使得合并之后的数据更加清晰）

　　

　　2.不匹配级联

　　　　不匹配级联是指两个df的行或者列索引不一致

　　　　1）外连接，不对齐的补NaN，（默认模式）

　　　　　　

 

　　　　　　2)内连接，通过join参数控制：

　　　　　　

　　　　　　3）指令连接的轴，通过join_axis控制：

　　　　　　　　这样就只保留了Join_axis的列：

　　　　　　　　

　　3）使用append()方法进行追加

　　　　这种使用和concat是差不多的，不过可以不通过pd来操作了：

　　　　

 

来源：https://www.cnblogs.com/jiangbei/p/11353548.html