标签：name als 情况 ... bsp levels string 序列 pre
参数含义
objs：Series，DataFrame或Panel对象的序列或映射。如果传递了dict，则排序的键将用作键参数，除非它被传递，在这种情况下，将选择值（见下文）。任何无对象将被静默删除，除非它们都是无，在这种情况下将引发一个ValueError。axis：{0,1，...}，默认为0。沿着连接的轴。join：{‘inner‘，‘outer‘}，默认为“outer”。如何处理其他轴上的索引。outer为联合和inner为交集。ignore_index：boolean，default False。如果为True，请不要使用并置轴上的索引值。结果轴将被标记为0，...，n-1。如果要连接其中并置轴没有有意义的索引信息的对象，这将非常有用。注意，其他轴上的索引值在连接中仍然受到尊重。join_axes：Index对象列表。用于其他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。使用传递的键作为最外层构建层次索引。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）。否则，它们将从键推断。names：list，default无。结果层次索引中的级别的名称。verify_integrity：boolean，default False。检查新连接的轴是否包含重复项。这相对于实际的数据串联可能是非常昂贵的。copy：boolean，default True。如果为False，请勿不必要地复制数据。import numpy as np
import pandas as pd
from pandas import Series,DataFrame
a = np.arange(6).reshape(2,3)
a
array([[0, 1, 2],
[3, 4, 5]])
np.concatenate([a,a])
array([[0, 1, 2],
[3, 4, 5],
[0, 1, 2],
[3, 4, 5]])
np.concatenate([a,a],axis=1)
array([[0, 1, 2, 0, 1, 2],
[3, 4, 5, 3, 4, 5]])
s1 = Series([0,1],index = [‘a‘,‘b‘])
s2 = Series([2,3,4],index = [‘c‘,‘d‘,‘e‘])
s3 = Series([5,6],index = [‘f‘,‘g‘])
pd.concat([s1,s2,s3])
a 0
b 1
c 2
d 3
e 4
f 5
g 6
dtype: int64
print(pd.concat([s1,s2,s3],axis=1))
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
print(pd.concat([s1,s2,s3],keys=[‘one‘,‘two‘,‘thress‘]))
one a 0
b 1
two c 2
d 3
e 4
thress f 5
g 6
dtype: int64
print(pd.concat([s1,s2,s3],axis=1,keys=[‘one‘,‘two‘,‘three‘]))
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
标签：name als 情况 ... bsp levels string 序列 pre
原文地址：https://www.cnblogs.com/zknublx/p/9645834.html
