Pandas 是 Python 中一个强大的数据操作库，允许我们轻松操作和转换各种数据结构。拼接是 Pandas 中一个关键功能，它使我们能够将不同的数据框或序列连接在一起，从而形成一个新的、更大的数据结构。

Pandas 数据拼接：整合异质数据

拼接方法

Pandas 提供了许多不同的拼接方法，以满足各种需求。最常用的方法包括：

`concat()`：沿着行或列方向拼接数据框或序列。 `append()`：沿着行方向附加一个数据框或序列。 `join()`：基于键或索引值连接两个或多个数据框。

沿着行拼接

我们可以使用 `concat()` 方法沿着行方向拼接数据框或序列。例如，如果我们有两个数据框 `df1` 和 `df2`，我们可以使用以下代码将它们拼接在一起：

```python import pandas as pd

df1 = pd.DataFrame({'Name': ['John', 'Mary', 'Bob'], 'Age': [20, 25, 30]}) df2 = pd.DataFrame({'Name': ['Alice', 'Tom', 'Susan'], 'Age': [22, 28, 35]})

df = pd.concat([df1, df2], ignore_index=True) ```

这将创建一个新的数据框 `df`，它包含 `df1` 和 `df2` 的所有行。`ignore_index=True` 参数可确保新数据框具有自己的索引，避免重复索引。

沿着列拼接

我们还可以使用 `concat()` 方法沿着列方向拼接数据框或序列。为此，我们需要使用 `axis=1` 参数。例如：

```python df1 = pd.DataFrame({'Name': ['John', 'Mary', 'Bob']}) df2 = pd.DataFrame({'Age': [20, 25, 30]})

df = pd.concat([df1, df2], axis=1) ```

这将创建一个新的数据框 `df`，它包含 `df1` 和 `df2` 的所有列。

基于键或索引值连接

`join()` 方法用于基于键或索引值连接两个或多个数据框。例如，如果我们有两个数据框 `df1` 和 `df2`，它们都具有一个名为 `Name` 的共同列，我们可以使用以下代码将它们连接在一起：

```python df1 = pd.DataFrame({'Name': ['John', 'Mary', 'Bob'], 'Age': [20, 25, 30]}) df2 = pd.DataFrame({'Name': ['John', 'Alice', 'Tom'], 'City': ['London', 'Paris', 'Rome']})

df = df1.join(df2, on='Name') ```

这将创建一个新的数据框 `df`，它包含 `df1` 和 `df2` 中具有匹配 `Name` 值的行。

结论