Pandas的concat似乎忽略了索引

Question

我对Pandas相对较新。在使用pd.concat()时，我遇到了一个意外问题，这是我没有预料到的。

df1 = pd.DataFrame([], columns=['a', 'b', 'c']).set_index(['b', 'a'])
df2 = pd.DataFrame([[1, 2, 3]], columns=['a', 'b', 'c']).set_index(['a', 'b']) # intentionally reverse
pd.concat([df1, df2])

我会期望以上操作的结果为：

     c
a b
1 2  3

但实际上它是:

     c
b a <---- note that b=1 and a=2 here
1 2  3

换句话说，似乎在进行pd.concat()时，其会忽略索引标头，但是在完成pd.concat()后重新标记标头。另一方面，pd.concat()在列标头上的工作方式符合我的预期。pd.concat([df1.reset_index(), df2.reset_index()])的结果如下：

     a    b  c
0  1.0  2.0  3

正如预期。

我观察到的使用 pd.concat() 和索引的行为是否是预期的行为？

我尝试过在谷歌上搜索，但我还没有找到类似问题的例子。

谢谢！

- bacchuswng

Answer 1

似乎在使用concat时，Pandas：

• 仅从第一个DataFrame中获取索引列的名称。
• 但对于后续的DataFrames，只有列数字很重要， 只要索引列匹配即可。

因此，在df1的情况下，MultiIndex由列1和0组成（编号 从0开始，但在df2和df3中 - 由列0和1组成， 无论它们的名称是什么。

为了确认这一点，请尝试更广泛的示例：

df1 = pd.DataFrame([], columns=['a', 'b', 'c']).set_index(['b', 'a'])
df2 = pd.DataFrame([[1, 2, 3]], columns=['aa', 'bb', 'c']).set_index(['aa', 'bb'])
df3 = pd.DataFrame([[10, 20, 30]], columns=['xx', 'yy', 'c']).set_index(['xx', 'yy'])
pd.concat([df1, df2, df3])

结果是：

这里填入具体的结果

        c
b  a     
1  2    3
10 20  30

正如您所看到的，即使源列名（仅针对索引列）不同，也没有任何意义。只有它们在列中的位置是重要的。

但是如果您更改第三列名称（常规列的列名）：

df3 = pd.DataFrame([[10, 20, 30]], columns=['xx', 'yy', 'cc']).set_index(['xx', 'yy'])

(c changed to *cc), the result is different:

         c    cc
b  a            
1  2   3.0   NaN
10 20  NaN  30.0

- Valdi_Bo

---

我也注意到了这一点。它匹配列但不匹配索引。奇怪的是，如果索引只有一列，在此过程中会删除索引名称（至少这样不那么令人困惑？）。 - bacchuswng