Pandas concat()用法详解（附带实例）

Pandas 模块的 concat() 方法可以通过不同的方式将数据合并，语法格式如下：

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

各个参数的含义如下表所示：

参数	说明
objs	Series、DataFrame 或 Panel 对象的序列或映射。如果传递一个字典，则排序的键将用作键参数。
axis	axis=1 表示行，axis=0 表示列，默认值为 0。
join	值为 inner（交集）或 outer（联合），处理其他轴上索引的方式，默认值为 outer。
ignore_index	布尔值，默认值为 False。如果为 True，请不要使用并置轴上的索引值。
join_axes	Index 对象列表。用于处理其他 n-1 轴的特定索引，而不是执行内部/外部设置逻辑。
keys	序列，默认值无。使用传递的键作为层次索引的最外层。如果为多索引，应该使用元组。
levels	序列列表，默认值无。用于构建 MultiIndex 的特定级别（唯一值）。
names	list列表，默认值为 None。表示结果层次索引中的级别名称。
verify_integrity	布尔值，默认值为 False。检查新合并的轴是否包含重复项。
sort	布尔值，默认值为 True（1.0.0 以后版本默认值为 False，即不排序）。如果合并方式为外连接（join=outer），则对未对齐的非合并轴进行排序；如果合并方式为内连接（join=inner），则该参数不起作用。
copy	是否复制数据，默认值为 True，如果为 False，则不复制数据。

下面介绍 concat() 方法支持的不同合并方式，其中 dfs 代表合并后的 DataFrame 对象，df1、df2 等代表单个 DataFrame 对象，result 代表合并后的结果（DataFrame 对象）。

Pandas concat()相同字段的表首尾相接

结构相同的表可以直接合并，表首尾相接，主要代码如下：

dfs = [df1, df2, df3]
result = pd.concat(dfs)

例如，表 df1、df2 和 df3 结构相同，见图 1：


合并后的效果如下图所示：


如果想要在合并数据时标记源数据来自哪张表，则需要在代码中加入参数 keys，例如表名分别为“1月”、“2月”、“3月”，效果如下图所示：


主要代码如下：

result = pd.concat(dfs, keys=['1月', '2月', '3月'])

Pandas concat()横向表合并（行对齐）

当合并的数据列名称不一致时，可以设置参数 axis=1，concat() 方法将按行对齐，然后将不同列名的两组数据合并，缺失的数据用“NaN”填充。

df1 和 df4 合并前后的效果如图 4 和图 5 所示：



主要代码如下：

result = pd.concat([df1, df4], axis=1)

Pandas concat()交叉合并

交叉合并需要在代码中加上 join 参数，如果值为 inner，结果将是两表的交集；如果值为 outer，结果将是两表的并集。

例如取两表交集，表 df1 和 df4 合并前后的效果如图 6 和图 7 所示：



主要代码如下：

result = pd.concat([df1, df4], axis=1, join='inner')

Pandas concat()指定表对齐数据（行对齐）

如果指定参数 join_axes，就可以指定根据哪个表来对齐数据。

例如，根据 df4 对齐数据就会保留表 df4 的数据，然后将表 df1 的数据与之合并，行数不变，合并前后的效果如图 8 和图 9 所示。



主要代码如下：

result = pd.concat([df1, df4], axis=1, join_axes=[df4.index])