如何堆叠多个 Pandas DataFrame？

---

庞大的 Python 宇宙中包含一个名为 Pandas 的闪亮星座。Pandas 以其强大的数据管理和处理能力而闻名全球，它为数据分析师提供了强大的工具，这些工具就像他们思想的延伸，将想法转化为现实。

本次讨论的核心在于 Pandas 的一个特定功能，即沿轴线融合 DataFrame。当面临将来自不同来源的信息融合或将数据汇总以进行全面分析的挑战时，Pandas 提供了一系列函数，如 concat()、append() 和 merge()。我们需要选择符合我们需求的工具，在本篇详细阐述中，我们将简化这一选择过程。

在这篇引人入胜的文章中，我们将重点探索以下组合 DataFrame 的方法：

• a. 列表推导和 Pandas.concat 的奇迹

• b. Pandas.concat 与 axis=0 和 keys 的细微之处

• c. numpy.vstack 的优雅

• d. Pandas.DataFrame.append 的魔力

• e. Pandas.concat 的多功能性

语法：一瞥 Pandas 领域

在这个令人惊叹的旅程中，我们将遍历 pandas 库的领域，它是实现 DataFrame 融合功能的函数的入口。现在让我们简要概述一下每个函数的语法，这将照亮我们的道路。

concat()

pd.concat(objs, axis=0, join='outer', keys=None, ignore_index=False)

pd.concat() 沿指定的轴连接数据帧或序列，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，默认情况下重置索引。

vstack()

numpy.vstack(tup)

numpy.vstack(tup) 垂直（按行）堆叠数组，前提是它们具有相同的列数。

示例

使用列表推导和 pandas.concat

想象一下，你拥有一系列想要垂直组合的 DataFrame。别担心，列表推导和 pandas.concat 的秘密将成为你的指路明灯。

import pandas as pd

# List of DataFrames
dfs = [df1, df2, df3]

# Concatenate the DataFrames vertically
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 pandas.concat 与 axis=0 和 keys

当试图编织一个带有分层索引的 DataFrame 挂毯时，使用 Pandas.concat 与 axis=0 和 keys 的路径将展现其真正的辉煌。

import pandas as pd

# DataFrames df1 and df2 defined above

# Concatenate the DataFrames vertically with keys
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 的本质潜伏在其中，准备唤醒垂直 DataFrame 连接的力量。

import pandas as pd
import numpy as np

# DataFrames df1 and df2 defined above

# Convert DataFrames to numpy arrays and stack them vertically
result_array = np.vstack([df1.values, df2.values])

# Convert the stacked numpy array back to a 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 DataFrame 能够沿着梦想的轴线合并，使它们的本质和谐统一。

import pandas as pd

# DataFrames df1 and df2 defined above

# Append df2 to 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，因为它展现了它的魔力，无缝地沿选择的轴线连接 DataFrame。

import pandas as pd

# DataFrames df1 and df2 defined above

# Concatenate the DataFrames vertically (default 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 具有丰富的函数来合并或融合多个 DataFrame，使您可以处理一系列数据操作任务。这种理解就像掌握了通往巨大宝藏的关键，承诺着丰富的见解。

但是，请记住，我们只是触及了表面。还有其他函数，如 join() 和 update()，每个函数都拥有其独特的功能，蕴含着无限的可能性。掌握 Pandas 的旅程是一场深入数据分析核心的探险，这是一场充满发现的刺激和理解的快乐的旅程。