快捷導(dǎo)航

基于Pandas實(shí)現(xiàn)豎向拼接多個(gè)DataFrame對象的幾種常用方法

更新時(shí)間：2025年09月16日 09:04:53 作者：袁袁袁袁滿

在pandas模塊中,通常我們都需要對類型為DataFrame的數(shù)據(jù)進(jìn)行操作,其中最為常見的操作便是拼接了,在Python中,可以使用pandas庫的concat()函數(shù)或append()方法來豎向（按行）拼接多個(gè)DataFrame對象,本文介紹了幾種常用的方法,需要的朋友可以參考下

方法1：使用pd.concat()

import pandas as pd

# 創(chuàng)建示例DataFrame
df1 = pd.DataFrame({'A': ['A0', 'A1'], 'B': ['B0', 'B1']})
df2 = pd.DataFrame({'A': ['A2', 'A3'], 'B': ['B2', 'B3']})
df3 = pd.DataFrame({'A': ['A4', 'A5'], 'B': ['B4', 'B5']})

# 豎向拼接
result = pd.concat([df1, df2, df3], axis=0)  # axis=0是默認(rèn)值，可以省略
print(result)

輸出：

    A   B
0  A0  B0
1  A1  B1
0  A2  B2
1  A3  B3
0  A4  B4
1  A5  B5

方法2：使用append()方法（已棄用，推薦使用concat）

# 注意：append()在pandas 2.0版本中已被棄用
result = df1.append([df2, df3], ignore_index=True)
print(result)

方法3：使用concat()并重置索引

result = pd.concat([df1, df2, df3], ignore_index=True)
print(result)

輸出：

    A   B
0  A0  B0
1  A1  B1
2  A2  B2
3  A3  B3
4  A4  B4
5  A5  B5

高級用法

處理不同列的DataFrame：

df4 = pd.DataFrame({'A': ['A6', 'A7'], 'C': ['C6', 'C7']})
result = pd.concat([df1, df4], sort=False)
print(result)

添加區(qū)分鍵：

result = pd.concat([df1, df2, df3], keys=['df1', 'df2', 'df3'])
print(result)

使用join參數(shù)處理不同列：

# 內(nèi)連接，只保留共有的列
result = pd.concat([df1, df4], join='inner')

注意事項(xiàng)

默認(rèn)情況下，concat()會保留原始索引，可以使用ignore_index=True重新生成連續(xù)索引
如果DataFrame的列不完全相同，可以使用sort=False避免列自動(dòng)排序
對于大量DataFrame拼接，考慮使用生成器表達(dá)式而不是列表推導(dǎo)式以節(jié)省內(nèi)存

性能考慮

對于大量DataFrame的拼接，可以先將它們放入列表中，然后一次性拼接：

dfs = [df1, df2, df3]  # 可以是任意數(shù)量的DataFrame
result = pd.concat(dfs, ignore_index=True)

這種方法比逐個(gè)追加更高效。

到此這篇關(guān)于基于Pandas實(shí)現(xiàn)豎向拼接多個(gè)DataFrame對象的幾種常用方法的文章就介紹到這了,更多相關(guān)Pandas豎向拼接DataFrame對象內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

相關(guān)文章

Python中8種運(yùn)算符介紹以及示例
在Python編程中運(yùn)算符是用于執(zhí)行各種操作的特殊符號或關(guān)鍵字,下面這篇文章主要給大家介紹了關(guān)于Python中8種運(yùn)算符介紹以及示例的相關(guān)資料,文中通過圖文介紹的非常詳細(xì),需要的朋友可以參考下
2024-02-02
VSCode搭建Django開發(fā)環(huán)境的圖文步驟
本篇介紹在vscode環(huán)境下搭建Django開發(fā)環(huán)境的詳細(xì)步驟,包括Python、Django、VSCode等,以及它們的安裝和配置方法,具有一定的參考價(jià)值,感興趣的可以了解一下
2023-09-09
python類參數(shù)定義及數(shù)據(jù)擴(kuò)展方式unsqueeze/expand
本文主要介紹了python類參數(shù)定義及數(shù)據(jù)擴(kuò)展方式unsqueeze/expand，文章通過圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價(jià)值，需要的小伙伴可以參考一下
2022-08-08
Python爬蟲使用bs4方法實(shí)現(xiàn)數(shù)據(jù)解析
這篇文章主要介紹了Python爬蟲使用bs4方法實(shí)現(xiàn)數(shù)據(jù)解析,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
2020-08-08
Python圖像處理之圖像算術(shù)與邏輯運(yùn)算詳解
這篇文章將詳細(xì)講解圖像算法運(yùn)算與邏輯運(yùn)算，包括圖像加法、圖像減法、圖像與運(yùn)算、圖像或運(yùn)算、圖像非運(yùn)算與圖像異或運(yùn)算。感興趣的可以了解一下
2022-01-01
Python實(shí)現(xiàn)一個(gè)帶權(quán)無回置隨機(jī)抽選函數(shù)的方法
這篇文章主要介紹了Python實(shí)現(xiàn)一個(gè)帶權(quán)無回置隨機(jī)抽選函數(shù)的方法，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
2019-07-07
在Python中使用poplib模塊收取郵件的教程
這篇文章主要介紹了在Python中使用poplib模塊收取郵件的教程,代碼基于Python2.x版本,需要的朋友可以參考下
2015-04-04
matplotlib 向任意位置添加一個(gè)子圖(axes)
這篇文章主要介紹了matplotlib 向任意位置添加一個(gè)子圖(axes)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
2021-04-04
用python自動(dòng)生成日歷
這篇文章主要介紹了如何用python自動(dòng)生成日歷，幫助大家更好的理解和學(xué)習(xí)使用python，感興趣的朋友可以了解下
2021-04-04
python Requsets下載開源網(wǎng)站的代碼(帶索引數(shù)據(jù))
這篇文章主要介紹了python Requsets下載開源網(wǎng)站的代碼(帶索引數(shù)據(jù)),本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下
2021-04-04