Pandas 垂直堆叠

在数据处理中，我们经常需要将多个数据集合并在一起。Pandas提供了多种数据合并的方法，其中垂直堆叠是一种按行合并DataFrame的常用操作。本文将详细介绍如何使用Pandas进行垂直堆叠，并通过实际案例帮助你理解其应用场景。

什么是垂直堆叠？

垂直堆叠（Vertical Stacking）是指将多个DataFrame按行方向堆叠在一起，形成一个新的DataFrame。这种操作通常用于将具有相同列结构的数据集合并在一起。例如，假设你有两个包含相同列的数据集，分别记录了不同时间段的数据，你可以通过垂直堆叠将它们合并成一个更大的数据集。

在Pandas中，垂直堆叠主要通过pd.concat()函数实现，通过设置axis=0来指定按行堆叠。

基本语法

python

import pandas as pd

# 创建两个示例DataFrame
df1 = pd.DataFrame({
    'A': ['A0', 'A1', 'A2'],
    'B': ['B0', 'B1', 'B2']
})

df2 = pd.DataFrame({
    'A': ['A3', 'A4', 'A5'],
    'B': ['B3', 'B4', 'B5']
})

# 垂直堆叠
result = pd.concat([df1, df2], axis=0)
print(result)

输出：

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

备注

pd.concat()函数的axis参数决定了堆叠的方向。axis=0表示按行堆叠（垂直堆叠），axis=1表示按列堆叠（水平堆叠）。

处理索引问题

在垂直堆叠时，默认情况下，Pandas会保留原始DataFrame的索引。这可能导致新DataFrame中出现重复的索引值。如果你希望重置索引，可以使用ignore_index=True参数。

python

result = pd.concat([df1, df2], axis=0, ignore_index=True)
print(result)

输出：

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

提示

如果你希望保留原始索引，但希望区分不同来源的数据，可以使用keys参数为每个DataFrame添加一个多级索引。

python

result = pd.concat([df1, df2], axis=0, keys=['df1', 'df2'])
print(result)

输出：

         A   B
df1 0   A0  B0
    1   A1  B1
    2   A2  B2
df2 0   A3  B3
    1   A4  B4
    2   A5  B5

实际应用场景

场景1：合并多个时间段的数据

假设你有一家公司每个月的销售数据，分别存储在不同的DataFrame中。你可以使用垂直堆叠将这些数据合并成一个完整的年度销售数据。

python

# 假设有三个月的销售数据
jan_sales = pd.DataFrame({
    'Date': ['2023-01-01', '2023-01-02'],
    'Sales': [100, 150]
})

feb_sales = pd.DataFrame({
    'Date': ['2023-02-01', '2023-02-02'],
    'Sales': [200, 250]
})

mar_sales = pd.DataFrame({
    'Date': ['2023-03-01', '2023-03-02'],
    'Sales': [300, 350]
})

# 合并三个月的销售数据
annual_sales = pd.concat([jan_sales, feb_sales, mar_sales], axis=0, ignore_index=True)
print(annual_sales)

输出：

         Date  Sales
0  2023-01-01    100
1  2023-01-02    150
2  2023-02-01    200
3  2023-02-02    250
4  2023-03-01    300
5  2023-03-02    350

场景2：合并多个来源的数据

假设你有来自不同部门的数据，每个部门的数据结构相同，但存储在不同的DataFrame中。你可以使用垂直堆叠将这些数据合并成一个完整的数据集。

python

# 假设有两个部门的数据
hr_data = pd.DataFrame({
    'Employee': ['Alice', 'Bob'],
    'Department': ['HR', 'HR']
})

it_data = pd.DataFrame({
    'Employee': ['Charlie', 'David'],
    'Department': ['IT', 'IT']
})

# 合并两个部门的数据
company_data = pd.concat([hr_data, it_data], axis=0, ignore_index=True)
print(company_data)

输出：

  Employee Department
0    Alice         HR
1      Bob         HR
2  Charlie         IT
3    David         IT

总结

垂直堆叠是Pandas中一种非常实用的数据合并操作，特别适用于将具有相同列结构的数据集按行合并。通过pd.concat()函数，你可以轻松实现这一操作，并根据需要处理索引问题。

在实际应用中，垂直堆叠常用于合并多个时间段的数据或多个来源的数据。掌握这一技巧将大大提高你在数据处理中的效率。

附加资源与练习

• 练习1：创建一个包含两个DataFrame的示例，分别记录不同产品的销售数据，并使用垂直堆叠将它们合并。
• 练习2：尝试使用keys参数为合并后的DataFrame添加多级索引，并观察结果。

警告

在进行垂直堆叠时，确保所有DataFrame的列结构相同，否则可能会导致数据丢失或错误。

希望本文对你理解Pandas垂直堆叠有所帮助！继续练习，你将更加熟练地掌握这一技能。