Главная » Pandas

Pandas concat() в Python: объединение DataFrame с примерами

Время чтения 4 мин.

Чтобы выполнять операции конкатенации в Pandas DataFrame, используйте функцию Pandas concat(), которая выполняет всю тяжелую работу по выполнению операций конкатенации вместе с осью.

Содержание
  1. Что такое функция concat() в Pandas?
  2. Синтаксис
  3. Параметры
  4. Возвращаемое значение
  5. Примеры программ на Pandas concat()
  6. Программа, показывающая работу метода concat() в Python
  7. Программа для назначения ключей отдельным фреймам данных после их объединения
  8. Объединение с помощью df.append()
  9. Назначение ключей объединенным индексам DataFrame
  10. Игнорирование исходных объектов DataFrame в конкатенации
  11. Заключение

Что такое функция concat() в Pandas?

Pandas concat() — это встроенная функция, которая используется в Python для объединения объектов DataFrame вдоль определенной оси с дополнительной логикой набора, которая может быть объединением или пересечением по другим осям. Метод concat() принимает до пяти параметров и возвращает объединенные объекты.

Синтаксис

1
pandas.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False)

Параметры

Функция concat() имеет пять следующих параметров.

  • Первый параметр — это objs, представляющий собой последовательность или сопоставление объектов серии, DataFrame или Panel.
  • Второй параметр — это axis(0,1). Это ось, на которой выполняется конкатенация на всем протяжении.
  • Третий параметр — join. Он может иметь 2 значения: «inner» или «outer». По умолчанию это «outer». Это в основном для того, как обрабатывать индексы на других осях.
  • Четвертый параметр — join_axes — перечисляет все объекты индекса.
  • Пятый параметр — ignore_index. Он имеет логический тип, и значение, установленное по умолчанию, равно false. Если для него установлено значение true, то он не использует значения индекса на оси конкатенации. Ось будет помечена как 0,1,2,…,n-1.

Возвращаемое значение

Функция concat() возвращает объект типа objs. Например, когда мы объединяем все ряды, где ось = 0, вместе с индексом, он возвращает ряды.

Примеры программ на Pandas concat()

Метод Pandas concat() в Python

Программа, показывающая работу метода concat() в Python

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import pandas as pd
 
data_set1 = {
    'Name': ['Rohit', 'Mohit', 'Sohit', 'Arun', 'Shubh'],
    'Roll no': ['01', '02', '03', '04', '05'],
    'maths': ['93', '63', '74', '94', '83'],
    'science': ['88', '55', '66', '94', '35'],
    'english': ['93', '74', '84', '92', '87']}
data_set2 = {
    'Name': ['Karan', 'Rishu', 'Swetank', 'Rishabh', 'Shuvam'],
    'Roll no': ['06', '07', '08', '09', '10'],
    'maths': ['95', '62', '64', '14', '63'],
    'science': ['58', '59', '86', '74', '55'],
    'english': ['96', '77', '89', '42', '87']}
 
# Changing the above dictionary into dataframe
df1 = pd.DataFrame(data_set1)
df2 = pd.DataFrame(data_set2)
 
# Concating both the dataframes
print(pd.concat([df1, df2]))

Выход:

1
2
3
4
5
6
7
8
9
10
11
      Name Roll no maths science english
0    Rohit      01    93      88      93
1    Mohit      02    63      55      74
2    Sohit      03    74      66      84
3     Arun      04    94      94      92
4    Shubh      05    83      35      87
0    Karan      06    95      58      96
1    Rishu      07    62      59      77
2  Swetank      08    64      86      89
3  Rishabh      09    14      74      42
4   Shuvam      10    63      55      87

В приведенном выше примере мы видели, что мы создали два фрейма данных, содержащих данные разных студентов, и с помощью concat() мы объединили данные обоих фреймов данных и получили желаемый результат в виде одного DataFrame.

Программа для назначения ключей отдельным фреймам данных после их объединения

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import pandas as pd
 
data_set1 = {
    'Name': ['Rohit', 'Mohit', 'Sohit', 'Arun', 'Shubh'],
    'Roll no': ['01', '02', '03', '04', '05'],
    'maths': ['93', '63', '74', '94', '83'],
    'science': ['88', '55', '66', '94', '35'],
    'english': ['93', '74', '84', '92', '87']}
data_set2 = {
    'Name': ['Karan', 'Rishu', 'Swetank', 'Rishabh', 'Shuvam'],
    'Roll no': ['06', '07', '08', '09', '10'],
    'maths': ['95', '62', '64', '14', '63'],
    'science': ['58', '59', '86', '74', '55'],
    'english': ['96', '77', '89', '42', '87']}
 
# Changing the above dictionary into dataframe
df1 = pd.DataFrame(data_set1)
df2 = pd.DataFrame(data_set2)
 
# Concating both the dataframes
print(pd.concat([df1, df2], keys=['Set1', 'Set2']))

Выход:

1
2
3
4
5
6
7
8
9
10
11
Name Roll no maths science english
Set1 0    Rohit      01    93      88      93
     1    Mohit      02    63      55      74
     2    Sohit      03    74      66      84
     3     Arun      04    94      94      92
     4    Shubh      05    83      35      87
Set2 0    Karan      06    95      58      96
     1    Rishu      07    62      59      77
     2  Swetank      08    64      86      89
     3  Rishabh      09    14      74      42
     4   Shuvam      10    63      55      87

В приведенном выше примере мы видим, что в одних и тех же данных учащихся мы упомянули ключи как set1 и set2, чтобы пользователи знали, что они являются частью двух разных фреймов данных, и чтобы они поняли, откуда набор данных начинается индивидуально. Индекс результата дублируется; каждый индекс повторяется.

Если результирующий объект должен следовать своей индексации, установите для ignore_index значение True.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import pandas as pd
 
data_set1 = {
    'Name': ['Rohit', 'Mohit', 'Sohit', 'Arun', 'Shubh'],
    'Roll no': ['01', '02', '03', '04', '05'],
    'maths': ['93', '63', '74', '94', '83'],
    'science': ['88', '55', '66', '94', '35'],
    'english': ['93', '74', '84', '92', '87']}
data_set2 = {
    'Name': ['Karan', 'Rishu', 'Swetank', 'Rishabh', 'Shuvam'],
    'Roll no': ['06', '07', '08', '09', '10'],
    'maths': ['95', '62', '64', '14', '63'],
    'science': ['58', '59', '86', '74', '55'],
    'english': ['96', '77', '89', '42', '87']}
 
# Changing the above dictionary into dataframe
df1 = pd.DataFrame(data_set1)
df2 = pd.DataFrame(data_set2)
 
# Concating both the dataframes
print(pd.concat([df1, df2], keys=['Set1', 'Set2'], ignore_index=True))

Выход:

1
2
3
4
5
6
7
8
9
10
11
Name Roll no maths science english
0    Rohit      01    93      88      93
1    Mohit      02    63      55      74
2    Sohit      03    74      66      84
3     Arun      04    94      94      92
4    Shubh      05    83      35      87
5    Karan      06    95      58      96
6    Rishu      07    62      59      77
7  Swetank      08    64      86      89
8  Rishabh      09    14      74      42
9   Shuvam      10    63      55      87

Обратите внимание, индекс полностью меняется, и ключи также переопределяются.

Если необходимо добавить два объекта по оси = 1, будут добавлены новые столбцы.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import pandas as pd
 
data_set1 = {
    'Name': ['Rohit', 'Mohit', 'Sohit', 'Arun', 'Shubh'],
    'Roll no': ['01', '02', '03', '04', '05'],
    'maths': ['93', '63', '74', '94', '83'],
    'science': ['88', '55', '66', '94', '35'],
    'english': ['93', '74', '84', '92', '87']}
data_set2 = {
    'Name': ['Karan', 'Rishu', 'Swetank', 'Rishabh', 'Shuvam'],
    'Roll no': ['06', '07', '08', '09', '10'],
    'maths': ['95', '62', '64', '14', '63'],
    'science': ['58', '59', '86', '74', '55'],
    'english': ['96', '77', '89', '42', '87']}
 
# Changing the above dictionary into dataframe
df1 = pd.DataFrame(data_set1)
df2 = pd.DataFrame(data_set2)
 
# Concating both the dataframes
print(pd.concat([df1, df2], keys=['Set1', 'Set2'], axis=1))

Выход:

1
2
3
4
5
6
7
Set1                                   Set2
    Name Roll no maths science english     Name Roll no maths science english
0  Rohit      01    93      88      93    Karan      06    95      58      96
1  Mohit      02    63      55      74    Rishu      07    62      59      77
2  Sohit      03    74      66      84  Swetank      08    64      86      89
3   Arun      04    94      94      92  Rishabh      09    14      74      42
4  Shubh      05    83      35      87   Shuvam      10    63      55      87

Вы можете видеть, что мы добавили два фрейма данных со стороны столбца, потому что мы установили ось = 1.

Объединение с помощью df.append()

Чтобы объединить два DataFrame без использования метода concat(), используйте метод DataFrame.append(). Мы можем объединить два DataFrame, используя метод Pandas DataFrame append(). Метод append() используется для добавления строк одного DataFrame в конец другого DataFrame.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
import pandas as pd
 
data_set1 = {
    'Name': ['Rohit', 'Mohit', 'Sohit', 'Arun', 'Shubh'],
    'Roll no': ['01', '02', '03', '04', '05'],
    'maths': ['93', '63', '74', '94', '83'],
    'science': ['88', '55', '66', '94', '35'],
    'english': ['93', '74', '84', '92', '87']}
 
data_set2 = {
    'Name': ['Karan', 'Rishu', 'Swetank', 'Rishabh', 'Shuvam'],
    'Roll no': ['06', '07', '08', '09', '10'],
    'maths': ['95', '62', '64', '14', '63'],
    'science': ['58', '59', '86', '74', '55'],
    'english': ['96', '77', '89', '42', '87']}
 
# Changing the above dictionary into dataframe
df1 = pd.DataFrame(data_set1)
df2 = pd.DataFrame(data_set2)
print("df1:\n", df1, "\n\ndf2:\n", df2)
print("\nAppended Dataframe:\n")
print(df1.append(df2))

Выход:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
df1:
     Name Roll no maths science english
0  Rohit      01    93      88      93
1  Mohit      02    63      55      74
2  Sohit      03    74      66      84
3   Arun      04    94      94      92
4  Shubh      05    83      35      87
 
df2:
       Name Roll no maths science english
0    Karan      06    95      58      96
1    Rishu      07    62      59      77
2  Swetank      08    64      86      89
3  Rishabh      09    14      74      42
4   Shuvam      10    63      55      87
 
Appended Dataframe:
 
      Name Roll no maths science english
0    Rohit      01    93      88      93
1    Mohit      02    63      55      74
2    Sohit      03    74      66      84
3     Arun      04    94      94      92
4    Shubh      05    83      35      87
0    Karan      06    95      58      96
1    Rishu      07    62      59      77
2  Swetank      08    64      86      89
3  Rishabh      09    14      74      42
4   Shuvam      10    63      55      87

Полезным ярлыком для concat являются методы добавления экземпляра в Series и DataFrame. Эти методы предшествовали concat. Они объединяются по оси = 0, а именно по индексу. Метод append() также может принимать несколько объектов.

Назначение ключей объединенным индексам DataFrame

Чтобы назначить ключи объединенному фрейму данных, передайте параметр keys при объединении фрейма данных методу concat().

См. следующий код, в котором мы назначаем ключи конкатенированным индексам DataFrame.

1
2
3
4
5
6
7
8
9
10
import pandas as pd
 
dataset1 = {"Name": ["Justin", "Roiland"], "ID": [1, 2]}
dataset2 = {"Name": "Dan", "ID": 3}
 
df1 = pd.DataFrame(dataset1, index={1, 2})
df2 = pd.DataFrame(dataset2, index={3})
 
df3 = pd.concat([df1, df2], keys=["X", "Y"])
print('********\n', df3)

Выход:

1
2
3
4
5
6
7
8
9
10
import pandas as pd
 
dataset1 = {"Name": ["Justin", "Roiland"], "ID": [1, 2]}
dataset2 = {"Name": "Dan", "ID": 3}
 
df1 = pd.DataFrame(dataset1, index={1, 2})
df2 = pd.DataFrame(dataset2, index={3})
 
df3 = pd.concat([df1, df2], keys=["X", "Y"])
print(df3)

Вы можете видеть, что мы назначили ключи X и Y объединенному фрейму данных df3.

Игнорирование исходных объектов DataFrame в конкатенации

Чтобы игнорировать исходные объекты DataFrame в concat, передайте параметру ignore_index значение True, и вы получите желаемый результат.

См. следующий код.

1
2
3
4
5
6
7
8
9
10
import pandas as pd
 
dataset1 = {"Name": ["Justin", "Roiland"], "ID": [1, 2]}
dataset2 = {"Name": "Dan", "ID": 3}
 
df1 = pd.DataFrame(dataset1, index={1, 2})
df2 = pd.DataFrame(dataset2, index={3})
 
df3 = pd.concat([df1, df2], ignore_index=True)
print(df3)

Выход:

1
2
3
4
      Name  ID
0   Justin   1
1  Roiland   2
2      Dan   3

Метод concat() полезен, когда индексы в исходных объектах не имеют особого смысла. Таким образом, мы можем игнорировать их и назначать индексы по умолчанию для окончательного выходного DataFrame.

Заключение

При объединении DataFrame в Pandas у вас может быть несколько целей. Например, вы можете захотеть «добавить» к ним данные в конец фрейма. Или, может быть, вы хотите добавить больше столбцов, как в нашем случае.

Существует четыре основных способа объединения Pandas DataFrame: конкатенация, объединение, слияние и добавление. В этом руководстве мы рассмотрели метод Pandas concat() для выполнения конкатенации.

Оцените статью
К. Поляков

Автор статей и разработчик, делюсь знаниями.

Программирование на Python
Вам также будет полезно изучить
Как преобразовать DataFrame Pandas в список?
Метод Pandas DataFrame.set_index() в Python
Как изменить значения NaN на ноль в Pandas DataFrame
Метод Pandas DataFrame.groupby() — группировка данных