一、数据拼接
准备数据：
import pandas as pd
d_1 = {'name' : pd.Series(['a', 'b', 'c', 'd'], index=[0,1,2,3]),
'attri_1' : pd.Series([1.1, 2.2, 3.3, 4.4,5.5], index=[0,1,2,3,4]),
'attri_2' : pd.Series([1, 2, 3, 4, 5], index=[0,1,2,3,4])
}
d_2 = {'name' : pd.Series(['aa', 'bb', 'cc', 'dd','ee'], index=[0,1,2,3,4]),
'attri_1' : pd.Series([2.1, 3.2, 4.3, 5.4, 6.5], index=[0,1,2,3,4]),
'attri_2' : pd.Series([1, 2, 3, 4, 5], index=[0,1,2,3,4])
}
df_1 = pd.DataFrame(d_1)
df_2 = pd.DataFrame(d_2)
print(df_1)
print(df_2)
运行结果：
name attri_1 attri_2
0 a 1.1 1
1 b 2.2 2
2 c 3.3 3
3 d 4.4 4
4 NaN 5.5 5
name attri_1 attri_2
0 aa 2.1 1
1 bb 3.2 2
2 cc 4.3 3
3 dd 5.4 4
4 ee 6.5 5
1.1 行拼接（纵向，第 0 维）pd.concat([df1,df2])
df_3 = pd.concat([df_1,df_2])
print(df_3)
运行结果：
name attri_1 attri_2
0 a 1.1 1
1 b 2.2 2
2 c 3.3 3
3 d 4.4 4
4 NaN 5.5 5
0 aa 2.1 1
1 bb 3.2 2
2 cc 4.3 3
3 dd 5.4 4
4 ee 6.5 5
注意事项：
- 这里的两组数据列标签需要一致
- 拼接后的 index 还是保留原先的
1.2 列拼接（横向，第 1 维）pd.concat([df1,df2], axis=1)
df_4 = pd.concat([df_1,df_2], axis=1)
print(df_4)
运行结果：
name attri_1 attri_2 name attri_1 attri_2
0 a 1.1 1 aa 2.1 1
1 b 2.2 2 bb 3.2 2
2 c 3.3 3 cc 4.3 3
3 d 4.4 4 dd 5.4 4
4 NaN 5.5 5 ee 6.5 5
二、排序
准备数据：
d = {'name' : pd.Series(['a', 'b', 'c', 'd'], index=[0,1,2,3]),
'attri_1' : pd.Series([5.1, 4.2, 2.3, 1.4,3.5], index=[0,1,2,3,4]),
'attri_2' : pd.Series([1, 2, 3, 4, 5], index=[0,1,2,3,4])
}
df = pd.DataFrame(d)
print(df)
运行结果：
name attri_1 attri_2
0 a 5.1 1
1 b 4.2 2
2 c 2.3 3
3 d 1.4 4
4 NaN 3.5 5
2.1 从小到大排序（默认）df.sort_values()
print(df.sort_values('attri_1')) # 排序后，index 也会相应变化
运行结果：
name attri_1 attri_2
3 d 1.4 4
2 c 2.3 3
4 NaN 3.5 5
1 b 4.2 2
0 a 5.1 1
2.2 从大到小排序（逆序）df.sort_values(ascending =False)
print(df.sort_values('attri_1',ascending =False))
print(df) # 这里可以看到，排序不会直接作用于原数据，所以这里打印出来的还是原来的形式
运行结果：
name attri_1 attri_2
0 a 5.1 1
1 b 4.2 2
4 NaN 3.5 5
2 c 2.3 3
3 d 1.4 4
name attri_1 attri_2
0 a 5.1 1
1 b 4.2 2
2 c 2.3 3
3 d 1.4 4
4 NaN 3.5 5
2.3 对 index 进行排序 df.sort_index()
df_5 = df.sort_values('attri_1')
print(df_5)
print(df_5.sort_index())
运行结果：
name attri_1 attri_2
3 d 1.4 4
2 c 2.3 3
4 NaN 3.5 5
1 b 4.2 2
0 a 5.1 1
name attri_1 attri_2
0 a 5.1 1
1 b 4.2 2
2 c 2.3 3
3 d 1.4 4
4 NaN 3.5 5
2.4 对 index 进行重置（变成默认的0～n）df.reset_index()
d = {
'attri_1' : pd.Series([5.1, 4.2, 2.3, 1.4,3.5], index=['a', 'b', 'c', 'd', 'e'])
}
df = pd.DataFrame(d)
print(df)
print(df.reset_index()) # 这里重置了 index ，把原来的 index 变为列，标签为 'index'
运行结果：
attri_1
a 5.1
b 4.2
c 2.3
d 1.4
e 3.5
index attri_1
0 a 5.1
1 b 4.2
2 c 2.3
3 d 1.4
4 e 3.5
三、对列标签重命名 df.rename()
d = {
'attri_1' : pd.Series([5.1, 4.2, 2.3, 1.4,3.5], index=['a', 'b', 'c', 'd', 'e'])
}
df = pd.DataFrame(d)
print(df)
print(df.rename(columns={'attri_1':'new'}))
运行结果：
attri_1
a 5.1
b 4.2
c 2.3
d 1.4
e 3.5
new
a 5.1
b 4.2
c 2.3
d 1.4
e 3.5
