每日一题10：Pandas:重塑数据-联结

一、每日一题

DataFrame 
df
+-------------+--------+
| Column Name | Type   |
+-------------+--------+
| student_id  | int    |
| name        | object |
| age         | int    |
+-------------+--------+

DataFrame 
df
+-------------+--------+
| Column Name | Type   |
+-------------+--------+
| student_id  | int    |
| name        | object |
| age         | int    |
+-------------+--------+

编写一个解决方案，将两个 DataFrames 垂直 连接成一个 DataFrame。

结果格式如下示例所示。

示例 1：

输入：
df1
+------------+---------+-----+
| student_id | name    | age |
+------------+---------+-----+
| 1          | Mason   | 8   |
| 2          | Ava     | 6   |
| 3          | Taylor  | 15  |
| 4          | Georgia | 17  |
+------------+---------+-----+
df2
+------------+------+-----+
| student_id | name | age |
+------------+------+-----+
| 5          | Leo  | 7   |
| 6          | Alex | 7   |
+------------+------+-----+
输出：
+------------+---------+-----+
| student_id | name    | age |
+------------+---------+-----+
| 1          | Mason   | 8   |
| 2          | Ava     | 6   |
| 3          | Taylor  | 15  |
| 4          | Georgia | 17  |
| 5          | Leo     | 7   |
| 6          | Alex    | 7   |
+------------+---------+-----+

解答：

import pandas as pd

def concatenateTables(df1: pd.DataFrame, df2: pd.DataFrame) -> pd.DataFrame:
    result_df = pd.concat([df1, df2], ignore_index=True)
    return result_df

题源：力扣

 二、总结 

concat() 是 Pandas 中一个非常强大的函数，用于沿着一个轴（行或列）组合多个对象（主要是 DataFrame 和 Series）。下面是 concat() 函数的基本用法、参数和一些示例。

基本语法

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
          keys=None, levels=None, names=None, verify_integrity=False,
          sort=None, copy=True)

参数说明

• objs: 必需参数，一个列表或元组，包含了要组合的DataFrame或Series对象。

• axis: 指定连接的轴，可以是 0（默认值，垂直连接，行方向）或 1（水平连接，列方向）。

• join: 指定如何处理其他轴上的索引，可以是 'inner'（交集）或 'outer'（并集，默认值）。

• ignore_index: 布尔值，默认为 False。如果设置为 True，则在连接后重置索引。

• keys: 一个可选的序列，用于构建分层索引或多级列名。

• levels: 与 keys 配合使用，手动指定分层索引的级别。

• names: 为结果的轴上的分层索引设置名称。

• verify_integrity: 检查新轴是否包含重复项，True 表示检查，默认为 False。

• sort: 在连接多索引时控制排序行为，None（默认）表示不排序，保留输入顺序；True 表示按索引排序。

• copy: 默认为 True，总是创建数据的副本。如果设置为 False，可能会重用输入数据，具体取决于所使用的数据和操作。

示例

1. 垂直连接（行方向）

import pandas as pd

df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})

# 垂直堆叠两个DataFrame
result = pd.concat([df1, df2])
print(result)

   A  B
0  1  3
1  2  4
0  5  7
1  6  8

 2.水平连接（列方向）

df3 = pd.DataFrame({'C': [9, 10]}, index=[0, 1])

# 水平堆叠，注意调整axis参数
result = pd.concat([df1, df3], axis=1)
print(result)

   A  B   C
0  1  3   9
1  2  4  10

3.使用keys创建层次化索引

result_with_keys = pd.concat([df1, df2], keys=['df1', 'df2'])
print(result_with_keys)

       A  B
df1 0  1  3
    1  2  4
df2 0  5  7
    1  6  8

官方文档

2024.5.13