Pandas 串聯(lián)

Pandas 連接的操作實(shí)例

Pandas提供了各種功能，可以輕松地將Series，DataFrame和Panel對(duì)象組合在一起。

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

objs ? 這是Series的序列或映射，DataFrame或Panel對(duì)象。 axis ? {0，1，...}，默認(rèn)為0。這是要串聯(lián)的軸。 join ? {'inner'，'outer'}，默認(rèn)為'outer'。如何處理其他軸上的索引。外部為聯(lián)合，內(nèi)部為交叉。 ignore_index ? 布爾值，默認(rèn)為False。如果為T(mén)rue，則不要在串聯(lián)軸上使用索引值。結(jié)果軸將標(biāo)記為0，...，n-1。 join_axes ? 這是索引對(duì)象的列表。用于其他(n-1)軸的特定索引，而不是執(zhí)行內(nèi)部/外部設(shè)置邏輯。

連接對(duì)象

該CONCAT函數(shù)執(zhí)行所有沿軸線(xiàn)進(jìn)行聯(lián)接操作的重任。讓我們創(chuàng)建不同的對(duì)象并進(jìn)行串聯(lián)。

示例

 import pandas as pd
 one = pd.DataFrame({
    'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
    'subject_id':['sub1','sub2','sub4','sub6','sub5'],
    'Marks_scored':[98,90,87,69,78]},
    index=[1,2,3,4,5])
 two = pd.DataFrame({
    'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
    'subject_id':['sub2','sub4','sub3','sub6','sub5'],
    'Marks_scored':[89,80,79,97,88]},
    index=[1,2,3,4,5])
 print(pd.concat([one,two])))

運(yùn)行結(jié)果如下：

    Marks_scored     Name   subject_id
1             98     Alex         sub1
2             90      Amy         sub2
3             87    Allen         sub4
4             69    Alice         sub6
5             78   Ayoung         sub5
1             89    Billy         sub2
2             80    Brian         sub4
3             79     Bran         sub3
4             97    Bryce         sub6
5             88    Betty         sub5

假設(shè)我們想將特定的鍵與切碎的DataFrame的每個(gè)片段相關(guān)聯(lián)。我們可以通過(guò)使用keys參數(shù)來(lái)做到這一點(diǎn)-

示例

 import pandas as pd
 one = pd.DataFrame({
    'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
    'subject_id':['sub1','sub2','sub4','sub6','sub5'],
    'Marks_scored':[98,90,87,69,78]},
    index=[1,2,3,4,5])
 two = pd.DataFrame({
    'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
    'subject_id':['sub2','sub4','sub3','sub6','sub5'],
    'Marks_scored':[89,80,79,97,88]},
    index=[1,2,3,4,5])
 print(pd.concat([one,two],keys=['x','y']))

運(yùn)行結(jié)果如下：

x  1  98    Alex    sub1
   2  90    Amy     sub2
   3  87    Allen   sub4
   4  69    Alice   sub6
   5  78    Ayoung  sub5
y  1  89    Billy   sub2
   2  80    Brian   sub4
   3  79    Bran    sub3
   4  97    Bryce   sub6
   5  88    Betty   sub5

結(jié)果的索引是重復(fù)的；每個(gè)索引重復(fù)。

如果結(jié)果對(duì)象必須遵循其自己的索引，則將ignore_index設(shè)置為T(mén)rue。

示例

 import pandas as pd
 one = pd.DataFrame({
    'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
    'subject_id':['sub1','sub2','sub4','sub6','sub5'],
    'Marks_scored':[98,90,87,69,78]},
    index=[1,2,3,4,5])
 two = pd.DataFrame({
    'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
    'subject_id':['sub2','sub4','sub3','sub6','sub5'],
    'Marks_scored':[89,80,79,97,88]},
    index=[1,2,3,4,5])
 print(pd.concat([one,two],keys=['x','y'],ignore_index=True))

運(yùn)行結(jié)果如下：

    Marks_scored     Name    subject_id
0             98     Alex          sub1
1             90      Amy          sub2
2             87    Allen          sub4
3             69    Alice          sub6
4             78   Ayoung          sub5
5             89    Billy          sub2
6             80    Brian          sub4
7             79     Bran          sub3
8             97    Bryce          sub6
9             88    Betty          sub5

注意，索引完全更改，并且鍵也被覆蓋。

如果需要沿axis = 1添加兩個(gè)對(duì)象，則將添加新列。

示例

 import pandas as pd
 one = pd.DataFrame({
    'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
    'subject_id':['sub1','sub2','sub4','sub6','sub5'],
    'Marks_scored':[98,90,87,69,78]},
    index=[1,2,3,4,5])
 two = pd.DataFrame({
    'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
    'subject_id':['sub2','sub4','sub3','sub6','sub5'],
    'Marks_scored':[89,80,79,97,88]},
    index=[1,2,3,4,5])
 print(pd.concat([one,two],axis=1))

運(yùn)行結(jié)果如下：

    Marks_scored    Name  subject_id   Marks_scored    Name   subject_id
1           98      Alex      sub1         89         Billy         sub2
2           90       Amy      sub2         80         Brian         sub4
3           87     Allen      sub4         79          Bran         sub3
4           69     Alice      sub6         97         Bryce         sub6
5           78    Ayoung      sub5         88         Betty         sub5

使用append串聯(lián)

Concat有用的快捷方式是Series和DataFrame上的append實(shí)例方法。這些方法實(shí)際上早于concat。它們沿著軸= 0連接，即索引-

示例

 import pandas as pd
 one = pd.DataFrame({
    'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
    'subject_id':['sub1','sub2','sub4','sub6','sub5'],
    'Marks_scored':[98,90,87,69,78]},
    index=[1,2,3,4,5])
 two = pd.DataFrame({
    'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
    'subject_id':['sub2','sub4','sub3','sub6','sub5'],
    'Marks_scored':[89,80,79,97,88]},
    index=[1,2,3,4,5])
 print(one.append(two))

運(yùn)行結(jié)果如下：

    Marks_scored    Name  subject_id
1           98      Alex      sub1
2           90       Amy      sub2
3           87     Allen      sub4
4           69     Alice      sub6
5           78    Ayoung      sub5
1           89     Billy      sub2
2           80     Brian      sub4
3           79      Bran      sub3
4           97     Bryce      sub6
5           88     Betty      sub5

該附加功能可以采取多個(gè)對(duì)象，以及-

示例

 import pandas as pd
 one = pd.DataFrame({
    'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
    'subject_id':['sub1','sub2','sub4','sub6','sub5'],
    'Marks_scored':[98,90,87,69,78]},
    index=[1,2,3,4,5])
 two = pd.DataFrame({
    'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
    'subject_id':['sub2','sub4','sub3','sub6','sub5'],
    'Marks_scored':[89,80,79,97,88]},
    index=[1,2,3,4,5])
 print(one.append([two,one,two]))

運(yùn)行結(jié)果如下：

    Marks_scored   Name    subject_id
1           98     Alex          sub1
2           90      Amy          sub2
3           87    Allen          sub4
4           69    Alice          sub6
5           78   Ayoung          sub5
1           89    Billy          sub2
2           80    Brian          sub4
3           79     Bran          sub3
4           97    Bryce          sub6
5           88    Betty          sub5
1           98     Alex          sub1
2           90      Amy          sub2
3           87    Allen          sub4
4           69    Alice          sub6
5           78   Ayoung          sub5
1           89    Billy          sub2
2           80    Brian          sub4
3           79     Bran          sub3
4           97    Bryce          sub6
5           88    Betty          sub5

時(shí)間序列

Pandas 提供了一個(gè)強(qiáng)大的工具來(lái)處理時(shí)間序列數(shù)據(jù)，特別是在金融領(lǐng)域。在處理時(shí)間序列數(shù)據(jù)時(shí)，我們經(jīng)常遇到以下情況：

產(chǎn)生時(shí)間順序將時(shí)間序列轉(zhuǎn)換為不同的頻率

提供了一套相對(duì)緊湊且獨(dú)立的工具來(lái)執(zhí)行上述任務(wù)。

獲取當(dāng)前時(shí)間

datetime.now()為您提供當(dāng)前日期和時(shí)間。

示例

 import pandas as pd
 print(pd.datetime.now())

運(yùn)行結(jié)果如下：

2017-05-11 06:10:13.393147

創(chuàng)建一個(gè)時(shí)間戳

時(shí)間戳數(shù)據(jù)是將值與時(shí)間點(diǎn)相關(guān)聯(lián)的時(shí)間序列數(shù)據(jù)的最基本類(lèi)型。對(duì)于熊貓對(duì)象，這意味著使用時(shí)間點(diǎn)。讓我們舉個(gè)實(shí)例-

示例

import pandas as pd
print(pd.Timestamp('2017-03-01'))

運(yùn)行結(jié)果如下：

2017-03-01 00:00:00

也可以轉(zhuǎn)換整數(shù)或浮點(diǎn)時(shí)間。這些的默認(rèn)單位是納秒（因?yàn)檫@是時(shí)間戳的存儲(chǔ)方式）。但是，通常將紀(jì)元存儲(chǔ)在可以指定的另一個(gè)單元中。再舉一個(gè)實(shí)例

示例

import pandas as pd
print(pd.Timestamp(1587687255,unit='s'))

運(yùn)行結(jié)果如下：

 2020-04-24 00:14:15

創(chuàng)建時(shí)間范圍

示例

import pandas as pd
print(pd.date_range("11:00", "13:30", freq="30min").time)

運(yùn)行結(jié)果如下：

 [datetime.time(11, 0) datetime.time(11, 30) datetime.time(12, 0)
 datetime.time(12, 30) datetime.time(13, 0) datetime.time(13, 30)]

更改時(shí)間頻率

示例

import pandas as pd
print(pd.date_range("11:00", "13:30", freq="H").time)

運(yùn)行結(jié)果如下：

[datetime.time(11, 0) datetime.time(12, 0) datetime.time(13, 0)]

轉(zhuǎn)換為時(shí)間戳

若要將類(lèi)似日期的對(duì)象的系列或類(lèi)似列表的對(duì)象（例如字符串，歷元或混合）轉(zhuǎn)換，可以使用to_datetime函數(shù)。傳遞時(shí)，將返回一個(gè)Series（具有相同的索引），而類(lèi)似列表的列表將轉(zhuǎn)換為DatetimeIndex?？聪旅娴膶?shí)例-

示例

import pandas as pd
print(pd.to_datetime(pd.Series(['Jul 31, 2009','2010-01-10', None])))

運(yùn)行結(jié)果如下：

 0 2009-07-31
 1 2010-01-10
 2 NaT
 dtype: datetime64[ns]

NaT表示不是時(shí)間（相當(dāng)于NaN）

讓我們?cè)倥e一個(gè)實(shí)例。

示例

import pandas as pd
print(pd.to_datetime(['2005/11/23', '2010.12.31', None]))

運(yùn)行結(jié)果如下：

DatetimeIndex(['2005-11-23', '2010-12-31', 'NaT'], dtype='datetime64[ns]', freq=None)

Pandas SQL操作 Pandas 連接

Pandas 教程

Pandas 串聯(lián)

連接對(duì)象

使用append串聯(lián)

時(shí)間序列

獲取當(dāng)前時(shí)間

創(chuàng)建一個(gè)時(shí)間戳

創(chuàng)建時(shí)間范圍

更改時(shí)間頻率

轉(zhuǎn)換為時(shí)間戳