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。

标签:
python,pandas,Series

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

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%。