Pandas는 인덱스 및 관계형 대수 기능에 대한 다양한 종류의 설정 논리를 통해 Series, DataFrame 및 Panel 개체를 결합할 수 있습니다.

그만큼 연결() 함수는 DataFrame의 축을 따라 연결 작업을 수행하는 역할을 담당합니다.

통사론:

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

매개변수:

객체:시리즈 또는 DataFrame 객체의 시퀀스 또는 매핑입니다.
DataFrame에 사전을 전달하면 정렬된 키가 키 인수이며, 이 경우 값이 선택됩니다. 객체가 아닌 것이 있으면 모두가 아닌 한 삭제됩니다. 이 경우에는 값오류 제기됩니다.중심선:연결하는 축입니다.가입하다:다른 축의 인덱스 처리를 담당합니다.Join_axes:인덱스 개체 목록입니다. 내부 또는 외부 집합 논리를 수행하는 대신 다른 (n-1) 축에 특정 인덱스를 사용합니다.무시_색인:bool, 기본값 False
true인 경우 연결 축의 인덱스 값을 사용하지 않습니다. 결과 축에는 0, ..., n - 1이라는 레이블이 지정됩니다.

보고

축(축=0)을 따라 모든 시리즈를 연결하면 시리즈가 반환됩니다. 만약에 물체 하나 이상의 DataFrame이 포함되어 있으면 DataFrame을 반환합니다.

예1:

 import pandas as pd a_data = pd.Series(['p', 'q']) b_data = pd.Series(['r', 's']) pd.concat([a_data, b_data]) 

산출

 0 p 1 q 0 r 1 s dtype: object 

예2: 위의 예에서는 다음을 사용하여 기존 인덱스를 재설정할 수 있습니다. 무시_색인 매개변수. 아래 코드는 다음 작업을 보여줍니다. 무시_색인 .

 import pandas as pd a_data = pd.Series(['p', 'q']) b_data = pd.Series(['r', 's']) pd.concat([a_data, b_data], ignore_index=True) 

산출

 0 p 1 q 2 r 3 s dtype: object 

예시 3: 다음을 사용하여 데이터의 가장 바깥쪽 수준에 계층적 인덱스를 추가할 수 있습니다. 열쇠 매개변수.

 import pandas as pd a_data = pd.Series(['p', 'q']) b_data = pd.Series(['r', 's']) pd.concat([a_data, b_data], keys=['a_data', 'b_data']) 

산출

 a_data 0 p 1 q b_data 0 r 1 s dtype: object 

예시 4: 다음을 사용하여 인덱스 키에 레이블을 지정할 수 있습니다. 이름 매개변수. 아래 코드는 names 매개변수의 작동을 보여줍니다.

 import pandas as pd a_data = pd.Series(['p', 'q']) b_data = pd.Series(['r', 's']) pd.concat([a_data, b_data], keys=['a_data', 'b_data']) pd.concat([a_data, b_data], keys=['a_data', 'b_data'], names=['Series name', 'Row ID']) 

산출

 Series name Row ID a_data 0 p 1 q b_data 0 r 1 s dtype: object 

추가를 사용한 연결

Append 메소드는 Series와 DataFrame을 연결하는 유용한 단축키로 정의됩니다.

예:

자바 형식 문자열

 import pandas as pd one = pd.DataFrame({ 'Name': ['Parker', 'Smith', 'Allen', 'John', 'Parker'], 'subject_id':['sub1','sub2','sub4','sub6','sub5'], 'Marks_scored':[98,90,87,69,78]}, index=[1,2,3,4,5]) two = pd.DataFrame({ 'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'], 'subject_id':['sub2','sub4','sub3','sub6','sub5'], 'Marks_scored':[89,80,79,97,88]}, index=[1,2,3,4,5]) print (one.append(two)) 

산출

 Name subject_id Marks_scored 1 Parker sub1 98 2 Smith sub2 90 3 Allen sub4 87 4 John sub6 69 5 Parker sub5 78 1 Billy sub2 89 2 Brian sub4 80 3 Bran sub3 79 4 Bryce sub6 97 5 Betty sub5 88