这可能很简单,但我有以下数据:
在数据框架1中:
index dat1
0 9
1 5
在第二个数据框中:index dat2
0 7
1 6
我想要一个具有以下形式的数据框:
index dat1 dat2
0 9 7
1 5 6
我尝试使用append
方法,但是得到了一个交叉连接(即笛卡尔积)。
应该如何正确操作?
总的来说,你似乎只是在寻找一个联接(join):
> dat1 = pd.DataFrame({'dat1': [9,5]})
> dat2 = pd.DataFrame({'dat2': [7,6]})
> dat1.join(dat2)
dat1 dat2
0 9 7
1 5 6
pd.concat([dat1, dat2], axis=1)
进行连接。 - DSM你也可以使用:
dat1 = pd.concat([dat1, dat2], axis=1)
InvalidIndexError: Reindexing only valid with uniquely valued Index objects
错误,你可以使用: pd.concat([dat1.reset_index(), dat2], axis=1)
。 - beyondfloatingpoint无论是使用join()
还是concat()
方法都可以解决这个问题。然而,我必须提醒一个警告:如果你试图从另一个DataFrame选择一些行来处理数据,则在使用join()
或concat()
之前请重置索引。
下面的示例展示了join和concat的一些有趣的行为:
dat1 = pd.DataFrame({'dat1': range(4)})
dat2 = pd.DataFrame({'dat2': range(4,8)})
dat1.index = [1,3,5,7]
dat2.index = [2,4,6,8]
# way1 join 2 DataFrames
print(dat1.join(dat2))
# output
dat1 dat2
1 0 NaN
3 1 NaN
5 2 NaN
7 3 NaN
# way2 concat 2 DataFrames
print(pd.concat([dat1,dat2],axis=1))
#output
dat1 dat2
1 0.0 NaN
2 NaN 4.0
3 1.0 NaN
4 NaN 5.0
5 2.0 NaN
6 NaN 6.0
7 3.0 NaN
8 NaN 7.0
#reset index
dat1 = dat1.reset_index(drop=True)
dat2 = dat2.reset_index(drop=True)
#both 2 ways to get the same result
print(dat1.join(dat2))
dat1 dat2
0 0 4
1 1 5
2 2 6
3 3 7
print(pd.concat([dat1,dat2],axis=1))
dat1 dat2
0 0 4
1 1 5
2 2 6
3 3 7
dat1 = pd.DataFrame({'dat1': [9,5]})
dat2 = pd.DataFrame({'dat2': [7,6]})
dat1['dat2'] = dat2 # Uses indices from dat1
结果:
dat1 dat2
0 9 7
1 5 6
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [10, 20, 30]}, index=[0, 1, 2])
df2 = pd.DataFrame({'C': [100, 200, 300]}, index=[1, 2, 3])
df1['C'] = df2['C']
结果:
A B C
0 1 10 NaN
1 2 20 100.0
2 3 30 200.0
忽略索引:
df1['C'] = df2['C'].reset_index(drop=True)
结果:
A B C
0 1 10 100
1 2 20 200
2 3 30 300
只是一个正确的谷歌搜索问题:
data = dat_1.append(dat_2)
data = data.groupby(data.index).sum()
join
方法了吗? - BrenBarn