本文主要是介绍「Python数据分析」Pandas进阶，利用concat()函数连接数据（一），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
在我们迈向中高级出局数据分析的过程中，数据的合并和连接，是一个非常重要的技能。
现实中，分散在各种数据库，各种数据表格，各种数据存储设备当中的，各式各样的数据，是我们进行数据分析的基础，也是数据获取部分，需要对数据进行整合的根基。
在今天的文章中，我们先来看，如何使用concat()函数，对多个数据集进行连接，以及合并操作。
多个dataframe数据集的合并（纵向合并）
这里的纵向合并，指的是把多个原始数据集，从上到下，按照数据行进行排列，依次合并。
我们先来看，如何把多个dataframe数据集，合并起来，成为一个新的数据集。
合并过程，如下图所示。
先生成三个dataframe原始数据集，首先是df1
接着是df2
还有df3
最后，使用concat()函数，合并三个数据集，得到我们的结果数据集result。
注意这里的合并，是通过第一列，索引列进行顺序排列合并的。
使用使用concat()函数合并数据，方法虽然简单，但实际用处却很大。在一些结果相同，但是比较分散的原始数据当中，我们拿到数据之后，如果要对数据整体进行分析的话，就需要先把数据合并起来。
传统手工做法是，通过Excel复制粘贴的方式，合并数据。这种做法，容易出错，而且效率比较低。如果是海量的大数据的话，传统的Excel手工操作方式，是无法完成数据的合并操作的，只能够使用concat()函数进行合并。
多个dataframe数据集的合并（横向合并）
横向合并的话，指的是多个数据集，从左到右，按照数据列进行排列，依次合并。
数据合并过程，如下图所示。
生成df4数据集
把df1和df4合并
这里要注意，把axis属性设置为1的话，就是横向合并。默认的情况下，不设置axis属性，是纵向合并。原始数据集中，没有的索引列中的数据，在合并之后，用空值字符串NaN代替。
如果我们只想合并两个数据集中，都有的索引行的话，可以如下图操作。
实现的方式，只要把join属性参数，设置为inner即可。
这样，我们就可以只合并，两个数据集中，索引值相同的行。
比如说，我们的个人信息，可能分散在不同的数据表当中，我们就可以通过身份证号这个索引值，对我们的个人信息进行合并，形成一个完整的个人信息数据集。
如果我们不希望按照索引来合并数据的话，可以参照下图中的方式
代码实现如下
这种合并方式，通过设置ignore_index参数的值为True，就会忽略df1和df4数据集的索引，全部按照行和列的顺序，把数据合并在一起。合并完成后的新数据集，会重新分配一个新的索引。
以上内容，就是使用concat()函数合并数据集的第一部分。下一篇文章，我们会继续介绍concat()函数合并数据集的第二部分内容。
这篇关于「Python数据分析」Pandas进阶，利用concat()函数连接数据（一）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
