Python中Pandas模块的concat函数参数介绍及用法代码示例

pandas.concat() 是 Pandas 库中用于连接（合并）两个或多个 Pandas 对象（如 DataFrame 或 Series）的功能强大的函数。下面详细介绍 concat() 函数的各个参数及其用法：

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

1. objs：要连接的对象列表，可以是 DataFrame、Series 或者这些对象的序列。这是唯一一个必需的参数。

2. axis：指定连接的轴。默认是 axis=0，表示在行方向上连接。如果 axis=1，则在列方向上连接。

3. join：指定连接的方式。有两种主要的方式：

   • 'outer'：使用联合的列，缺失值用 NaN 填充。
   • 'inner'：使用交集的列，丢弃非交集的行或列。

4. ignore_index：如果为 True，将忽略原始索引，并生成一个新的整数索引。

5. keys：用于创建层次化索引的标签数组。传递一个列表，用于创建层次化索引。如果传递了 keys，将创建 MultiIndex。

6. levels：指定用作层次化索引的各级标签。

7. names：指定用作层次化索引各级的名称。

8. verify_integrity：如果为 True，检查结果对象的新轴是否重复。如果发现重复，则引发异常。

9. sort：如果为 True，将在连接轴上对结果进行排序。默认为 False，这样可以更好地维护元素的顺序。

10. copy：如果为 False，避免复制对象数据。默认为 True，即复制数据。

下面用代码演示了如何使用 concat 函数的不同参数：

import pandas as pd

# 创建两个 DataFrame
df1 = pd.DataFrame({'A': ['A0', 'A1'], 'B': ['B0', 'B1']}, index=[0, 1])
df2 = pd.DataFrame({'A': ['A2', 'A3'], 'B': ['B2', 'B3']}, index=[2, 3])

# 在行方向上连接
result_default = pd.concat([df1, df2])
print("Default concatenation (axis=0):\n", result_default)

# 在列方向上连接
result_axis1 = pd.concat([df1, df2], axis=1)
print("\nConcatenation along columns (axis=1):\n", result_axis1)

# 使用 ignore_index
result_ignore_index = pd.concat([df1, df2], ignore_index=True)
print("\nConcatenation with ignore_index=True:\n", result_ignore_index)

# 使用 keys 创建 MultiIndex
result_keys = pd.concat([df1, df2], keys=['df1', 'df2'])
print("\nConcatenation with keys:\n", result_keys)

# 使用 verify_integrity
# 注意：这会引发 ValueError，因为连接后的索引有重复
# pd.concat([df1, df2], verify_integrity=True)

# 使用 sort
result_sort = pd.concat([df1, df2], sort=True)
print("\nConcatenation with sort=True:\n", result_sort)

这个示例演示了如何在不同情境下使用 concat 函数的参数。根据具体需求，你可以灵活地调整这些参数。