Pandas Concat 函数：完整指南与示例

Pandas 的 concat 函数是数据操作中不可或缺的工具，它允许你将多个 Pandas 对象（例如 Series 和 DataFrame）沿着特定轴连接起来。这篇文章将深入探讨 concat 函数的功能、参数、用法以及一些实际示例，帮助你全面掌握这个强大的工具。

1. concat 函数的基础

concat 函数的核心功能是拼接，它可以将多个 Series 或 DataFrame 对象组合成一个新的 Series 或 DataFrame。连接操作可以沿着不同的轴进行：

• axis=0（默认）：沿着行（index）方向连接，即垂直堆叠。
• axis=1：沿着列（columns）方向连接，即水平拼接。

2. concat 函数的参数详解

pd.concat(objs, axis=0, join='outer', ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=False, copy=True)

• objs：要连接的 Pandas 对象序列或字典。可以是 Series、DataFrame 或 Panel（已弃用）。
• axis：连接的轴，0 为沿着行连接，1 为沿着列连接。
• join：连接方式，’inner’ 为取交集，’outer’ 为取并集。
• ignore_index：是否忽略原始索引，True 为重新生成索引，False 为保留原始索引。
• keys：为连接后的对象添加多级索引，用于区分来自不同对象的元素。
• levels：用于构建多级索引的级别值。
• names：为多级索引的各个级别命名。
• verify_integrity：检查连接后是否有重复的索引，True 为检查，False 为不检查。
• sort：对连接后的列名进行排序，仅在 axis=1 时有效，True 为排序， False 为不排序 (Pandas 1.3.0 版本之后默认为 False)。
• copy：是否复制输入数据，True 为复制，False 为不复制。

3. 连接 Series 对象

连接 Series 对象通常沿着 axis=0 进行，创建一个新的 Series。

“`python
import pandas as pd

s1 = pd.Series([1, 2, 3], name=’Series1′)
s2 = pd.Series([4, 5, 6], name=’Series2′)

result = pd.concat([s1, s2])
print(result)

使用 keys 添加多级索引

result_with_keys = pd.concat([s1, s2], keys=[‘Key1’, ‘Key2’])
print(result_with_keys)

沿着列连接

result_axis1 = pd.concat([s1, s2], axis=1)
print(result_axis1)
“`

4. 连接 DataFrame 对象

连接 DataFrame 对象可以沿着 axis=0 或 axis=1 进行，创建一个新的 DataFrame。

“`python
import pandas as pd

df1 = pd.DataFrame({‘A’: [1, 2], ‘B’: [3, 4]})
df2 = pd.DataFrame({‘A’: [5, 6], ‘B’: [7, 8]})

沿着行连接

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

忽略索引

result_ignore_index = pd.concat([df1, df2], ignore_index=True)
print(result_ignore_index)

沿着列连接

df3 = pd.DataFrame({‘C’: [9, 10], ‘D’: [11, 12]})
result_axis1 = pd.concat([df1, df3], axis=1)
print(result_axis1)

处理不同列的情况

df4 = pd.DataFrame({‘A’: [7, 8], ‘C’: [9, 10]})
result_different_columns = pd.concat([df1, df4], axis=0) # outer join by default
print(result_different_columns)
result_different_columns_inner = pd.concat([df1, df4], axis=0, join=’inner’)
print(result_different_columns_inner)

使用 keys 添加多级索引

result_with_keys = pd.concat([df1, df2], keys=[‘Key1’, ‘Key2’])
print(result_with_keys)

“`

5. 连接不同类型的 Pandas 对象

concat 函数还可以连接不同类型的 Pandas 对象，例如 Series 和 DataFrame。

“`python
import pandas as pd

s = pd.Series([1, 2], name=’Series’)
df = pd.DataFrame({‘A’: [3, 4], ‘B’: [5, 6]})

result = pd.concat([s, df], axis=1)
print(result)
“`

6. 处理重叠的列名

当连接的对象具有重叠的列名时，concat 函数会保留所有列，并可能导致重复的列名。可以使用 verify_integrity=True 来检查重复的列名并引发错误。

“`python
import pandas as pd

df1 = pd.DataFrame({‘A’: [1, 2], ‘B’: [3, 4]})
df2 = pd.DataFrame({‘A’: [5, 6], ‘C’: [7, 8]})

允许重复列名

result = pd.concat([df1, df2], axis=1)
print(result)

try:
# 检查重复列名并引发错误
pd.concat([df1, df2], axis=1, verify_integrity=True)
except ValueError as e:
print(e)

“`

7. 性能优化

当连接大量数据时，copy=False 可以提高性能，但需要注意修改连接后的对象可能会影响原始数据。

8. 总结

concat 函数是 Pandas 中一个非常灵活且强大的工具，可以用于各种数据拼接操作。通过理解其参数和用法，你可以高效地处理和组合数据，为后续的数据分析和处理奠定基础。 这篇文章详细介绍了 concat 函数的各个方面，并提供了丰富的示例，希望能帮助你更好地理解和应用这个函数。 记住根据你的具体需求选择合适的参数和连接方式，可以让你事半功倍。 此外，在处理大型数据集时，要注意性能优化，例如使用 copy=False 或考虑其他更高效的拼接方法。