Concatenar dos marcos de datos en Pandas Python

1. Concatenar dos marcos de datos en Pandas Python
2. Utilice la función concat() para concatenar dos marcos de datos en Pandas Python
3. Combine dos marcos de datos de Pandas usando un campo común
4. Use el método append() para concatenar dos marcos de datos en Pandas Python

Las series, que tienen una estructura similar a una lista, y los marcos de datos, que tienen una estructura tabular, son dos nuevos tipos de objetos para almacenar datos introducidos por Pandas. Los marcos de datos de Pandas se encuentran entre las estructuras de datos más útiles en cualquier conjunto de herramientas.

Puede considerar un marco de datos como una estructura de datos etiquetada bidimensional que contiene columnas que pueden ser de varios tipos, similar a una tabla SQL o un dict de objetos de serie. A menudo, es el elemento de Pandas el que más se utiliza.

Concatenar dos marcos de datos en Pandas Python

Con la ayuda de Pandas, es posible combinar rápidamente series o marcos de datos con diferentes tipos de lógica de conjuntos para los índices y capacidades de álgebra relacional para operaciones de unión y fusión. Además, Pandas ofrece herramientas para comparar dos series o marcos de datos y resaltar sus diferencias utilizando la técnica concat() de Pandas; se pueden unir dos o más tramas de datos.

La función concat() de Pandas une marcos de datos en filas o columnas. Podemos combinar muchos marcos de datos concatenándolos a lo largo de filas o columnas.

Utilice la función concat() para concatenar dos marcos de datos en Pandas Python

El concat() es una función en Pandas que agrega columnas o filas de un marco de datos a otro. Combina tramas de datos y series.

En el siguiente código, hemos creado dos marcos de datos y los hemos combinado usando la función concat(). Hemos pasado los dos marcos de datos como una lista a la función concat().

Código de ejemplo:

import pandas as pd

df1 = pd.DataFrame(
    {"id": ["ID1", "ID2", "ID3", "!D4"], "Names": ["Harry", "Petter", "Daniel", "Ron"]}
)
df2 = pd.DataFrame(
    {"id": ["ID5", "ID6", "ID7", "ID8"], "Names": ["Kelvin", "Henry", "Emma", "Sofia"]}
)
display(" First DataFrame: ", df1)
display(" Second DataFrame: ", df2)
frames = [df1, df2]
d = pd.concat(frames)
display(d)

Producción:

Combine dos marcos de datos de Pandas usando un campo común

Para concatenarlos, agregamos nuestros marcos de datos entre sí, ya sea verticalmente o uno al lado del otro. Utilizar columnas de cada conjunto de datos con valores similares es otro método para combinar marcos de datos (una identificación común única).

Unirse es el proceso de combinar marcos de datos utilizando un campo compartido. La(s) clave(s) unirse se refiere a las columnas de valores compartidos.

Cuando un marco de datos contiene una tabla de búsqueda que contiene datos adicionales que deseamos incorporar en el otro, suele ser útil unir marcos de datos de esta manera.

Al unir varios marcos de datos, tiene la opción de manejar los diferentes ejes (aparte del que se está concatenando).

Para mostrarle cómo se puede usar esto, tome la unión de todos ellos, join='outer'. Considere la intersección con join='inner' porque no causa pérdida de información y es la opción predeterminada.

Código de ejemplo:

import pandas as pd

df1 = pd.DataFrame(
    {"id": ["ID1", "ID2", "ID3", "!D4"], "Names": ["Harry", "Petter", "Daniel", "Ron"]}
)
df2 = pd.DataFrame(
    {"id": ["ID5", "ID6", "ID7", "ID8"], "Names": ["Kelvin", "Henry", "Emma", "Sofia"]}
)
print(" First DataFrame: ", df1)
print(" Second DataFrame: ", df2)
frames = [df1, df2]
d = pd.concat([df1, df2], axis=1, join="inner")
print(d)

Producción:

Use el método append() para concatenar dos marcos de datos en Pandas Python

El método append() se puede usar para concatenar marcos de datos, ya que append() es un método de instancia de acceso directo útil en series y marcos de datos. Esta técnica existía antes de concat().

Código de ejemplo:

import pandas as pd
import pandas as pd

df1 = pd.DataFrame(
    {"id": ["ID1", "ID2", "ID3", "!D4"], "Names": ["Harry", "Petter", "Daniel", "Ron"]}
)

df2 = pd.DataFrame(
    {"id": ["ID5", "ID6", "ID7", "ID8"], "Names": ["Kelvin", "Henry", "Emma", "Sofia"]}
)
frames = [df1, df2]
d = pd.concat([df1, df2], axis=1, join="inner")
result = df1.append(df2)
display(result)

Producción: