有时候我们想要的数据合并结果是数据的轴向连接,在pandas中这可以通过concat来实现。操作的对象通常是Series。
Ipython中的交互代码如下:
In [17]: from pandas import Series,DataFrame In [18]: series1 = Series(range(2),index = ['a','b']) In [19]: series2 = Series(range(3),index = ['c','d','e']) In [20]: series3 = Series(range(2),index = ['f','g']) In [21]: import pandas as pd
进行三个Series的连接:
In [22]: pd.concat([series1,series2,series3]) Out[22]: a 0 b 1 c 0 d 1 e 2 f 0 g 1 dtype: int64
默认情况下,pandas执行的是按照axis=0进行连接。如果进行axis=1的连接,结果如下:
In [24]: S1=pd.concat([series1,series2,series3],axis=1) In [25]: S1 Out[25]: 0 1 2 a 0.0 NaN NaN b 1.0 NaN NaN c NaN 0.0 NaN d NaN 1.0 NaN e NaN 2.0 NaN f NaN NaN 0.0 g NaN NaN 1.0 In [26]: type(S1) Out[26]: pandas.core.frame.DataFrame
结果是一个DataFrame,回头再看一下前面的Series的连接后的最终类型:
In [27]: type(pd.concat([series1,series2,series3])) Out[27]: pandas.core.series.Series
两种方式的结果并不相同,一个结果是Series,另一个则是DataFrame。
In [29]: series3 = Series(range(2),index = ['f','e']) In [30]: pd.concat([series1,series2,series3]) Out[30]: a 0 b 1 c 0 d 1 e 2 f 0 e 1 dtype: int64
从上面的一点测试中可以看出,concat的操作仅仅是单纯的连接,并没有涉及到数据的整合。如果想要进行整合,还是使用merge的方法。
以上这篇python pandas中对Series数据进行轴向连接的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
狼山资源网 Copyright www.pvsay.com
暂无“python pandas中对Series数据进行轴向连接的实例”评论...
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。