Python数据分析基础与应用电子活页5-16使用concat()函数沿轴连接数据

Python数据分析基础与应用模块电子活页5-16使用concat()函数沿轴连接数据【技能训练5-16】使用concat()函数沿轴连接数据【训练要求】在JupyterNotebook开发环境中创建j5-16.ipynb，然后编写代码使用concat()函数沿轴连接数据。【实施过程】1．使用concat()函数纵向连接对象DataFrame创建2个DataFrame对象，并对其进行连接。（1）纵向外连接操作代码如下：importpandasaspddata11={'Id':[1001,1002,1003,1004],'name':['安静','路远','温暖','向北'],'sex':['女','男','男','女'],'age':[21,20,19,22],'height':[171,180,189,166]}df11=pd.DataFrame(data11)data21={'Id':[1005,1006,1007,1008],'name':['阳光','白雪','夏天','云朵'],'sex':['男','女','男','女'],'age':[23,18,20,22],'score':[65,84,78,92.5]}df21=pd.DataFrame(data21)#纵向外连接df11与df21pd.concat([df11,df21])输出结果：（2）纵向内连接操作代码如下：#纵向内连接df11与df21pd.concat([df11,df21],join='inner',axis=0)输出结果：从上述输出结果可以看出，纵向内连接方式只会将被连接的两个数据集中共有的列（Id、name、sex、age）数据纵向连接，非共有的列不会出现在结果数据集中。2．使用concat()函数横向连接DataFrame对象（1）横向外连接操作代码如下：importpandasaspddata12={'Id':[1001,1002,1003,1004],'name':['安静','路远','温暖','向北'],'sex':['女','男','男','女']}df12=pd.DataFrame(data12)data22={'score1':[71,80,89,92,65],'score2':[82,72,96,88,93.5]}df22=pd.DataFrame(data22)#横向外连接df12与df22pd.concat([df12,df22],axis=1,join='outer')输出结果：从上述输出结果可以看出，横向连接两个DataFrame对象，将会追加新的列。由于被连接对象的列长度不同，所以连接后会产生不存在的数据，这些数据会自动使用NaN进行填充。（2）横向内连接操作代码如下：#横向内连接df12与df22pd.concat([df12,df22],axis=1,join='inner')输出结果：从上述输出结果可以看出，输出结果的行数与左数据集行数相同。3．在concat()函数中使用keys参数给DataFrame对象连接一个指定的键代码如下：importpandasaspddata13={'name':['安静','路远','温暖','向北'],'sex':['女','男','男','女'],'age':[21,20,19,22],'score':[71,80,89,92]}label13=[0,1,2,3]df13=pd.DataFrame(data13,index=label13)data23={'name':['阳光','白雪','夏天','云朵'],'sex':['男','女','男','女'],'age':[23,18,20,22],'score':[65,84,78,92.5]}label23=[1,2,3,4]df23=pd.DataFrame(data23,index=label23)#连接df13与df23，并给df13、d223连接一个指定的键pd.concat([df13,df23],keys=['第1小组','第2小组'])输出结果：从上述输出结果可以看出，行索引存在重复使用的现象。如果想让输出的行索引遵循依次递增的规则，那么需要将ignore_index参数设置为True。将ignore_index参数设置为True的代码如下：#连接df13与df23，设置ignore_index参数为Truep