python pandas中对Series数据进行轴向连接的实例
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]:frompandasimportSeries,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]:importpandasaspd
进行三个Series的连接：
In[22]:pd.concat([series1,series2,series3]) Out[22]: a0 b1 c0 d1 e2 f0 g1 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]: 012 a0.0NaNNaN b1.0NaNNaN cNaN0.0NaN dNaN1.0NaN eNaN2.0NaN fNaNNaN0.0 gNaNNaN1.0 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]: a0 b1 c0 d1 e2 f0 e1 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pythonpandas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毛票票。