1. 问题
数据连接是数据处理中经常需要用到的操作。Python 常见的数据类型，都应该怎样进行连接呢？
2. 分析
2.1. list
list 的连接是最容易的，直接用 Python 语法即可。
a=[1,2,3]
b=[4,5,6]
c=a+b
print(c)
d=[a,b]
print(d)
输出结果
[1, 2, 3, 4, 5, 6]
[[1, 2, 3], [4, 5, 6]]
2.2. dict
dict 不支持 +。想要合并两个dict，需要用到**操作符。
a={'a':1,'b':2,'c':3}
b={'d':4,'e':5,'f':6}
c={**a,**b}
print(c)
输出结果
{'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5, 'f': 6}
如果b里面有a的键值，后面的值会覆盖掉前面的值。
a={'a':1,'b':2,'c':3}
b={'a':4,'e':5,'f':6}
c={**a,**b}
print(c)
输出结果
{'a': 4, 'b': 2, 'c': 3, 'e': 5, 'f': 6}
2.3. set
set 不可 hashable，而且不支持+，所以需要另想办法。
a=set([1,2,3])
b=set([1,5,6])
c=a.union(b)
print(c)
d={itemforiteminlist(a)+list(b)}
print(d)
比如用它的union方法，或者用iterate特性，都可以得出相同的结果
{1, 2, 3, 5, 6}
{1, 2, 3, 5, 6}
2.4. ndarray
ndarray 合并的时候，需要注意坐标轴方向和相应方向大小是否吻合。比如
importnumpyasnp
a=np.array([[1,2,3],[4,5,6]])
b=np.array([[7,8,9],[10,11,12]])
c=np.concatenate((a,b))
print(c)
d=np.concatenate((a,b),axis=1)
print(d)
输出结果
[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]
[[ 1 2 3 7 8 9]
[ 4 5 6 10 11 12]]
或者
a=np.array([[1,2,3],[4,5,6]])
b=np.array([[7,8,9]])
c=np.concatenate((a,b))
print(c)
d=np.array([[7,8]]).transpose()
e=np.concatenate((a,d),axis=1)
print(e)
输出结果
[[1 2 3]
[4 5 6]
[7 8 9]]
[[1 2 3 7]
[4 5 6 8]]
如果是一个 vector 和一个 ndarray 想合并，可以给 vector 增加一个维度
a=np.array([[1,2,3],[4,5,6]])
b=np.array([7,8])
c=b[:,np.newaxis]
d=np.concatenate((a,c),axis=1)
print(d)
输出结果
array([[1, 2, 3, 7],
[4, 5, 6, 8]])
2.5. DataFrame
DataFrame 比较灵活，可以在各个维度上进行扩展。所以连接的时候需要特别注意方向。
importpandasaspd
a=pd.DataFrame([[1,2,3],[4,5,6]],columns=['a','b','c'])
b=pd.DataFrame([[7,8],[9,10]],columns=['b','d'])
c=pd.concat([a,b],axis=0)
c
d=pd.concat([a,b],axis=1)
d
输出结果
a b c d
0 1.0 2 3.0 NaN
1 4.0 5 6.0 NaN
0 NaN 7 NaN 8.0
1 NaN 9 NaN 10.0
a b c b d
0 1 2 3 7 8
1 4 5 6 9 10
3. 总结
今天我们大致总结了 Python 里面常见数据类型的合并方式。合并是最常见的数据操作之一，应该是熟练掌握的基本功之一。
相关代码均已上传到 Data2Science@Github (https://github.com/jetorz/Data2Science)，欢迎标记 Star。
4. 交流
独学而无友则孤陋寡闻。现有「数据与统计科学」微信交流群，内有数据行业资深从业人员、海外博士、硕士等，欢迎对数据科学、数据分析、机器学习、人工智能有兴趣的朋友加入，一起学习讨论。
大家可以扫描下面二维码，添加荔姐微信邀请加入，暗号：机器学习加群。
Lily
5. 扩展
5.1. 延伸阅读
- Numpy 中如何对矩阵的特征对排序
5.2. 参考文献
- [1]M. Wes, Python for Data Analysis, 2nd. Beijing: O’Reilly, 2017.
- [1]J. VanderPlas, Python Data Science Handbook. Beijing: O’Reilly, 2016.
Data2Science