这可能是容易的,但我有以下数据:追加列大熊猫数据帧
在数据帧1:
index dat1
0 9
1 5
在数据帧2:
index dat2
0 7
1 6
我想具有以下形式的数据帧:
index dat1 dat2
0 9 7
1 5 6
我试过使用append
方法,但我得到了一个交叉连接(即笛卡尔积)。
什么是正确的方法来做到这一点?
这可能是容易的,但我有以下数据:追加列大熊猫数据帧
在数据帧1:
index dat1
0 9
1 5
在数据帧2:
index dat2
0 7
1 6
我想具有以下形式的数据帧:
index dat1 dat2
0 9 7
1 5 6
我试过使用append
方法,但我得到了一个交叉连接(即笛卡尔积)。
什么是正确的方法来做到这一点?
看来一般你只是在寻找一个联接:
> dat1 = pd.DataFrame({'dat1': [9,5]})
> dat2 = pd.DataFrame({'dat2': [7,6]})
> dat1.join(dat2)
dat1 dat2
0 9 7
1 5 6
恰到好处的谷歌搜索的问题:
data = dat_1.append(dat_2)
data = data.groupby(data.index).sum()
这个页面是谷歌搜索出现的。 – denson
您还可以使用:
dat1 = pd.concat([dat1, dat2], axis=1)
join()和concat()方式都可以解决这个问题。但是,我必须提到一个警告:如果尝试通过从另一个DataFrame中选择一些行来处理某些数据帧,请在重新加入连接或concat之前重置索引。下面
一个例子显示的加入,CONCAT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
那么说好点。我尝试不重置索引并生成了很多NULLS – Anand
你尝试了'join'方法? – BrenBarn
data_frame_1 ['dat2'] = data_frame_2 ['dat2'] – lowtech
@lowtech:这是否确保索引正确配对? – BenDundee