如何堆叠多个 Pandas DataFrames?
Python 的浩瀚宇宙包含一个名为 Pandas 的闪亮星座。它因其在数据管理和操作方面的强大功能而享誉全球，它为数据分析师提供了工具，这些工具可以作为他们思想的延伸，将想法转化为现实。
本次讨论的关键在于 Pandas 的一个特殊功能，即沿轴融合 DataFrames。当挑战是融合来自不同来源的信息或汇总数据以进行全面分析时，Pandas 提供了一篮子函数，如 concat()、append() 和 merge()。我们有责任选择符合我们需求的工具，我们将在这篇详细的阐述中简化这一选择。
在这篇引人入胜的文章中，我们的重点将放在探索以下组合 DataFrames 的方法上:
a.列表理解和 Pandas.concat 的奇迹
b. Pandas.concat 的复杂性(axis=0 和 keys)
c. numpy.vstack 的优雅
d. Pandas.DataFrame.append 的魔力
e. Pandas.concat 的多功能性
语法:Pandas 领域的一瞥
在这段令人惊叹的旅程中，我们将穿越 pandas 库的领域，它是实现 DataFrame 融合的函数的门户。现在让我们简要概述一下每个函数的语法，这将照亮我们的路径:
concat()
pd.concat(objs, axis=0, join='outer', keys=None, ignore_index=False)
pd.concat() 沿指定轴连接数据框或系列，并提供连接类型和索引处理选项。
append()
df1.append(df2, ignore_index=False, verify_integrity=False, sort=False)
df1.append(df2) 将 df2 的行附加到 df1，通过重置索引默认。
vstack()
numpy.vstack(tup)
numpy.vstack(tup) 垂直堆叠数组(按行)，前提是它们具有相同数量的列。
示例
使用列表推导和 pandas.concat
想象一个领域，您拥有一串虚幻的 DataFrames，渴望将它们垂直和谐地统一起来。不要害怕，列表推导和 pandas.concat 的秘密将成为你的指路明灯:
import pandas as pd # DataFrames 列表 dfs = [df1, df2, df3] # 垂直连接 DataFrames result = pd.concat(dfs) print(result)
输出
A B
0 A0 B0
1 A1 B1
2 A2 B2
3 A3 B3
4 A4 B4
5 A5 B5
使用带有 axis=0 和 keys 的 pandas.concat
当试图编织一个与分层索引交织在一起的 DataFrames 挂毯时，带有 axis=0 和 keys 的 Pandas.concat 路径展现了其真正的辉煌:
import pandas as pd # 上面定义的 DataFrames df1 和 df2 # 使用 keys 垂直连接 DataFrames result = pd.concat([df1, df2], keys=['df1', 'df2']) print(result)
输出
A B
df1 0 A0 B0
1 A1 B1
2 A2 B2
df2 3 A3 B3
4 A4 B4
5 A5 B5
使用 numpy.vstack
看，numpy.vstack 的本质潜伏在一个领域，随时准备唤醒垂直 DataFrame 连接的力量:
import pandas as pd import numpy as np # 上面定义的 DataFrames df1 和 df2 # 将 DataFrames 转换为 numpy 数组并垂直堆叠 result_array = np.vstack([df1.values, df2.values]) # 将堆叠的 numpy 数组转换回 DataFrame result = pd.DataFrame(result_array, columns=df1.columns) print(result)
输出
A B
0 A0 B0
1 A1 B1
2 A2 B2
3 A3 B3
4 A4 B4
5 A5 B5
使用 pandas.DataFrame.append
看，这是一段神秘的旅程，Pandas.DataFrame.append 的力量使 DataFrames 沿着梦想的轴线合并，协调它们的本质:
import pandas as pd # 上面定义的 DataFrames df1 和 df2 # 将 df2 附加到 df1 result = df1.append(df2) print(result)
输出
A B
0 A0 B0
1 A1 B1
2 A2 B2
3 A3 B3
4 A4 B4
5 A5 B5
使用 pandas.concat
见证 Pandas.concat() 函数的多功能性，它施展魔法，无缝地沿所选轴统一 DataFrames:
import pandas as pd # 上面定义的 DataFrames df1 和 df2 # 垂直连接 DataFrames(默认 axis=0) result = pd.concat([df1, df2]) print(result)
输出
A B
0 A0 B0
1 A1 B1
2 A2 B2
3 A3 B3
4 A4 B4
5 A5 B5
结论
Pandas 拥有丰富的函数来合并多个 DataFrame，使您能够处理一系列数据操作任务。这种理解就像是掌握了巨大宝库的钥匙，承诺提供丰富的见解。
不过，请记住，我们只是触及了表面。还有其他函数(例如 join() 和 update())的可能性，每个函数都具有独特的功能。掌握 Pandas 的旅程是一次深入数据分析核心的探险，一次充满发现的快感和理解的乐趣的旅程。
