Python数据分析笔记8。2。3轴向连接

　　「目录」
　　数据规整：聚合、合并和重塑
　　Data Wrangling: Join, Combine, and Reshape  8.1  => 层次化索引  8.2  => 合并数据集
　　--------> 数据库风格的DataFrame合并
　　--------> 索引上的合并
　　-------->  轴向连接   8.3  => 重塑和轴向旋转
　　轴向连接
　　另一种数据合并运算也被称作连接（concatenation)、绑定（binding）或堆叠（stacking）。Numpy的concatenation函数可以用Numpy数组来做：  In [1]: import numpy as np  In [2]: import pandas as pd  In [3]: arr = np.arange(12).reshape((3, 4))  In [4]: arr Out[4]: array([[ 0,  1,  2,  3],        [ 4,  5,  6,  7],        [ 8,  9, 10, 11]])  In [5]: np.concatenate([arr, arr], axis=1) Out[5]: array([[ 0,  1,  2,  3,  0,  1,  2,  3],        [ 4,  5,  6,  7,  4,  5,  6,  7],        [ 8,  9, 10, 11,  8,  9, 10, 11]])
　　假设有三个没有重叠索引的Series：  In [6]: s1 = pd.Series([0, 1], index=[＂a＂, ＂b＂])  In [7]: s2 = pd.Series([2, 3, 4], index=[＂c＂, ＂d＂, ＂e＂])  In [8]: s3 = pd.Series([5, 6], index=[＂f＂, ＂g＂])
　　对这些对象调用concat可以将值和索引粘合在一起：  In [9]: pd.concat([s1, s2, s3]) Out[9]: a    0 b    1 c    2 d    3 e    4 f    5 g    6 dtype: int64
　　默认情况下，concat是在axis=0上工作的，最终产生一个新的Series。如果传入axis=1，则结果就会变成一个DataFrame（axis=1是列）：  In [10]: pd.concat([s1, s2, s3], axis=1) Out[10]:      0    1    2 a  0.0  NaN  NaN b  1.0  NaN  NaN c  NaN  2.0  NaN d  NaN  3.0  NaN e  NaN  4.0  NaN f  NaN  NaN  5.0 g  NaN  NaN  6.0
　　传入join=＂inner＂可以得到他们的交集：  In [11]: s4 = pd.concat([s1, s3])  In [12]: s4 Out[12]: a    0 b    1 f    5 g    6 dtype: int64  In [13]: pd.concat([s1, s4], axis=1) Out[13]:      0  1 a  0.0  0 b  1.0  1 f  NaN  5 g  NaN  6  In [14]: pd.concat([s1,s4], axis=1, join=＂inner＂) Out[14]:    0  1 a  0  0 b  1  1
　　现在我们可以看到因为传入了join=＂inner＂，f索引和g索引那两行消失了。
　　我们还可以通过join_axes指定要使用的索引：  In [16]: pd.concat([s1, s4], axis=1, join_axes=[[＂a＂, ＂c＂, ＂b＂, ＂e＂]]) Out[16]:      0    1 a  0.0  0.0 c  NaN  NaN b  1.0  1.0 e  NaN  NaN
　　一个可能遇到的问题是，如果我们将s1，s1和s3拼接的时候，可能因为重复的索引导致无法区分结果。  In [35]: pd.concat([s1,s1,s3]) Out[35]: a    0 b    1 a    0 b    1 f    5 g    6 dtype: int64
　　解决的办法是我们可以在连接轴上创建一个层次化索引。使用keys参数即可达到这个目的：  In [17]: result = pd.concat([s1, s1, s3], keys=[＂one＂, ＂two＂, ＂three＂])  In [18]: result Out[18]: one    a    0        b    1 two    a    0        b    1 three  f    5        g    6 dtype: int64
　　如果沿着axis=1对Series进行合并，则keys就会成为DataFrame的列名：  In [20]: pd.concat([s1, s2, s3], axis=1, keys=[＂one＂, ＂two＂, ＂three＂]) Out[20]:    one  two  three a  0.0  NaN    NaN b  1.0  NaN    NaN c  NaN  2.0    NaN d  NaN  3.0    NaN e  NaN  4.0    NaN f  NaN  NaN    5.0 g  NaN  NaN    6.0
　　同样的逻辑适用于DataFrame对象：  In [21]: df1 = pd.DataFrame(np.arange(6).reshape(3, 2), index=[＂a＂, ＂b＂, ＂c＂], columns=[＂one＂, ＂two＂])  In [22]: df2 = pd.DataFrame(5 + np.arange(4).reshape(2, 2), index=[＂a＂, ＂c＂], columns=[＂three＂, ＂four＂])  In [23]: df1 Out[23]:    one  two a    0    1 b    2    3 c    4    5  In [24]: df2 Out[24]:    three  four a      5     6 c      7     8  In [25]: pd.concat([df1, df2], axis=1, keys=[＂level1＂, ＂level2＂]) Out[25]:   level1     level2      one two  three four a      0   1    5.0  6.0 b      2   3    NaN  NaN c      4   5    7.0  8.0
　　如果传入的不是列表而是一个字典，则字典的键就会被当作keys选项的值：  In [28]: pd.concat({＂level1＂:df1, ＂level2＂:df2}, axis=1) Out[28]:   level1     level2      one two  three four a      0   1    5.0  6.0 b      2   3    NaN  NaN c      4   5    7.0  8.0
　　另外，我们还可以用names参数命名创建的轴级别：  In [29]: pd.concat([df1, df2], axis=1, keys=[＂level1＂, ＂level2＂], names=[＂upper＂, ＂lower＂]) Out[29]: upper level1     level2 lower    one two  three four a          0   1    5.0  6.0 b          2   3    NaN  NaN c          4   5    7.0  8.0
　　本篇最后一个关于DataFrame的问题，若DataFrame的行索引不包含任何相关数据：  In [30]: df1 = pd.DataFrame(np.random.randn(3, 4), columns=[＂a＂, ＂b＂, ＂c＂, ＂d＂])  In [31]: df2 = pd.DataFrame(np.random.randn(2, 3), columns=[＂b＂, ＂d＂, ＂a＂])  In [32]: df1 Out[32]:           a         b         c         d 0 -0.402664 -0.861283  0.419665 -0.010507 1  0.244767 -1.023330 -0.509473  0.773439 2 -0.073538  0.966644  0.583360  0.593361  In [33]: df2 Out[33]:           b         d         a 0 -0.353377 -1.607486  0.207777 1  0.858092  0.795677  0.639189
　　在这种情况下，我们可以传入ignore_index=True，结果就不会保留连接轴上的索引，而是产生一组新索引：  In [36]: pd.concat([df1, df2]) Out[36]:           a         b         c         d 0 -0.402664 -0.861283  0.419665 -0.010507 1  0.244767 -1.023330 -0.509473  0.773439 2 -0.073538  0.966644  0.583360  0.593361 0  0.207777 -0.353377       NaN -1.607486 1  0.639189  0.858092       NaN  0.795677  In [37]: pd.concat([df1, df2], ignore_index=True) Out[37]:           a         b         c         d 0 -0.402664 -0.861283  0.419665 -0.010507 1  0.244767 -1.023330 -0.509473  0.773439 2 -0.073538  0.966644  0.583360  0.593361 3  0.207777 -0.353377       NaN -1.607486 4  0.639189  0.858092       NaN  0.795677
　　-END-