pandas的concat函数在忽略索引时无法正常工作，无法合并列。

Question

pandas的concat函数在忽略索引时无法正常工作，无法合并列。

110

我正在尝试将数据框（类似于R的cbind()函数）进行列绑定，并且在使用pandas的concat函数时遇到了问题，因为ignore_index=True似乎不起作用。

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'D': ['D0', 'D1', 'D2', 'D3']},
                   index=[0, 2, 3, 4])

df2 = pd.DataFrame({'A1': ['A4', 'A5', 'A6', 'A7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D2': ['D4', 'D5', 'D6', 'D7']},
                   index=[5, 6, 7, 3])
df1
#     A   B   D
# 0  A0  B0  D0
# 2  A1  B1  D1
# 3  A2  B2  D2
# 4  A3  B3  D3

df2
#    A1   C  D2
# 5  A4  C4  D4
# 6  A5  C5  D5
# 7  A6  C6  D6
# 3  A7  C7  D7

dfs = [df1, df2]
df = pd.concat(dfs, axis=1, ignore_index=True)     
print df

结果是

     0    1    2    3    4    5    
0   A0   B0   D0  NaN  NaN  NaN  
2   A1   B1   D1  NaN  NaN  NaN    
3   A2   B2   D2   A7   C7   D7   
4   A3   B3   D3  NaN  NaN  NaN  
5  NaN  NaN  NaN   A4   C4   D4  
6  NaN  NaN  NaN   A5   C5   D5  
7  NaN  NaN  NaN   A6   C6   D6

即使我使用重置索引

df1.reset_index()    
df2.reset_index()

然后尝试一下

pd.concat([df1, df2], axis=1)

它仍然产生相同的结果！

预期的结果是一个6x4的数据框，其中列A、B、D、A1、C、D2的内容是水平连接的。

- muon

1

pd.concat([df1, df2], axis=0, ignore_index=True) 这个函数是否能够得到你想要的结果？如果不行，你能具体说明一下你期望的输出是什么吗？ - Alex Riley

1

不，它绑定的是行。我想要绑定列（追加）。我尝试了追加，但似乎也不起作用。 - muon

1

@ajcr，你有比较过 pd.concat([df1, df2], axis=1, ignore_index=True) 和 pd.concat([df1, df2], axis=1) 的输出吗？第一个是否直观地模拟了cbind的功能？ - cel

2

我认为 ignore_index 只会忽略你要连接的轴上的标签，所以它仍然会在索引标签上进行外部连接。我同意函数参数的名称在这里并不是最直观的。 - Alex Riley

1

是的，我从@Alex的回答中意识到了这一点...但即使ignore_index=False，我仍然得到相同的结果。 - muon

6个回答

36

在您的示例中，ignore_index选项正在工作，您只需要知道它忽略了连接轴（在您的情况下是列）。（也许更好的名称应该是ignore_labels。）如果您希望连接忽略索引标签，则您的axis变量必须设置为0（默认值）。

- Alex

谢谢！那很有帮助（还不能点赞，声望太低） - muon

1

确实，这是文档中缺失的有用解释。 - Hugo Santos Silva

25

如果你想保留左侧数据框的索引，可以使用set_index将df2的索引设置为df1:

pd.concat([df1, df2.set_index(df1.index)], axis=1)

- eljusticiero67

8

同意评论，最好发布预期的输出。

这是你在寻找的吗？

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'D': ['D0', 'D1', 'D2', 'D3']},
                   index=[0, 2, 3, 4])

df2 = pd.DataFrame({'A1': ['A4', 'A5', 'A6', 'A7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D2': ['D4', 'D5', 'D6', 'D7']},
                   index=[5, 6, 7, 3])

df1 = df1.transpose().reset_index(drop=True).transpose()
df2 = df2.transpose().reset_index(drop=True).transpose()

dfs = [df1, df2]
df = pd.concat(dfs, axis=0, ignore_index=True)

print df

    0   1   2
0  A0  B0  D0
1  A1  B1  D1
2  A2  B2  D2
3  A3  B3  D3
4  A4  C4  D4
5  A5  C5  D5
6  A6  C6  D6
7  A7  C7  D7

- Dickster

值得一提的是，df1.transpose().reset_index(drop=True).transpose() 或者更简洁的 df1.T.reset_index(drop=True).T 只是 pandas 中用于“删除列名”的一种惯用法。 - undefined

5

你可以使用NumPy的concatenate函数来实现这个结果。

cols = df1.columns.to_list() + df2.columns.to_list()
dfs = [df1,df2]
df = np.concatenate(dfs, axis=1)  
df = pd.DataFrame(df, columns=cols)

Out[1]: 
    A   B   D  A1   C  D2
0  A0  B0  D0  A4  C4  D4
1  A1  B1  D1  A5  C5  D5
2  A2  B2  D2  A6  C6  D6
3  A3  B3  D3  A7  C7  D7

- Michael Gardner

1

由于某种原因，ignore_index=True在我的情况下没有起作用。我想保留第一个数据集的索引并忽略第二个索引。这对我有用：

X_train = pd.concat([train_sp, X_train.reset_index(drop=True, inplace=True)], axis=1)

- Yury Wallet

inplace=True？那里不应该有，它会使其返回None。 - wjandrea

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- cel · Accepted Answer

如果我理解你的意思没错的话，这就是你想要做的事情。

import pandas as pd

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'D': ['D0', 'D1', 'D2', 'D3']},
                   index=[0, 2, 3, 4])

df2 = pd.DataFrame({'A1': ['A4', 'A5', 'A6', 'A7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D2': ['D4', 'D5', 'D6', 'D7']},
                   index=[4, 5, 6 , 7])


df1.reset_index(drop=True, inplace=True)
df2.reset_index(drop=True, inplace=True)

df = pd.concat([df1, df2], axis=1)

这是什么意思：

    A   B   D   A1  C   D2
0   A0  B0  D0  A4  C4  D4
1   A1  B1  D1  A5  C5  D5
2   A2  B2  D2  A6  C6  D6
3   A3  B3  D3  A7  C7  D7

实际上，我本来期望df = pd.concat(dfs, axis=1, ignore_index=True)会得到相同的结果。

这是jreback的精彩解释：

ignore_index=True的意思是“忽略”，也就是说不在连接轴上进行对齐。它只是按照传递的顺序将它们粘贴在一起，然后为实际索引重新分配一个范围（例如range(len(index))）。所以，在非重叠索引上进行连接的区别（假设示例中的axis=1）是，使用ignore_index=False（默认值），您会得到索引的连接，而使用ignore_index=True则会得到一个范围。