我正在尝试列绑定数据框,但遇到了 pandas 问题
concat
,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
pd.concat([df1, df2], axis=1)
它仍然产生相同的结果!
如果我理解正确的话,这就是你想做的。
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)
这给出了:
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,我希望
df = pd.concat(dfs,axis=1,ignore_index=True)
给出相同的结果。
这是来自jreback的精彩解释:
‘忽略’,意思是不在连接轴上对齐。它只是按照传递的顺序将它们粘贴在一起,然后重新分配实际索引的范围(例如ignore_index=True
) 因此,连接非重叠索引(假设示例中为range(len(index))
)之间的区别在于,使用axis=1
(默认值),您可以获得索引的串联,而使用ignore_index=False
,您可以获得一个范围。ignore_index=True
ignore_index选项在您的示例中起作用,您只需要知道它忽略了串联轴,在您的情况下是列。 (也许更好的名称是ignore_labels。)如果您希望串联忽略索引标签,那么您的轴变量必须设置为0(默认值)。
如果您想保留左侧数据框的索引,请使用
set_index
: 将 df2 的索引设置为 df1
pd.concat([df1, df2.set_index(df1.index)], axis=1)
同意评论,最好总是发布预期的输出。
这就是你要找的吗?
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
您可以使用 numpy 的 concatenate 来实现结果。
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
谢谢你的询问。我遇到过同样的问题。 由于某种原因,“ignore_index=True”对我的情况没有帮助。 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)