python的rbind_关于python：rbind的熊猫版本

最新推荐文章于 2023-05-25 00:14:28 发布

weixin_39870413

最新推荐文章于 2023-05-25 00:14:28 发布

阅读量460

点赞数

文章标签： python的rbind

本文链接：https://blog.csdn.net/weixin_39870413/article/details/111458245

版权

在Python的Pandas库中，没有直接的rbind功能来合并数据帧。但是，你可以使用`pd.concat`或者在使用`append`时设置`ignore_index=True`来实现类似的效果。当使用`append`时，不正确的使用可能导致NaN值出现。正确的方法是在创建DataFrame时构造一个字典列表，然后调用DataFrame构造函数，或者在循环外收集多个DataFrame并最后使用`pd.concat`进行合并。

摘要由CSDN通过智能技术生成

在R中，您可以使用rbind将一个数据列粘贴到另一个数据列的底部，从而合并两个数据帧。在大熊猫中，您如何完成同一件事？看来异常困难。

由于我不了解的原因，使用append会导致混乱，包括NaN和其他内容。我只是试图" rbind"两个看起来像这样的相同框架：

编辑：我正在以一种愚蠢的方式创建DataFrames，这会导致问题。附加= rbind所有意图和目的。请参阅下面的答案。

0 1 2 3 4 5 6 7

0 ADN.L 20130220 437.4 442.37 436.5000 441.9000 2775364 2013-02-20 18:47:42

1 ADM.L 20130220 1279.0 1300.00 1272.0000 1285.0000 967730 2013-02-20 18:47:42

2 AGK.L 20130220 1717.0 1749.00 1709.0000 1739.0000 834534 2013-02-20 18:47:43

3 AMEC.L 20130220 1030.0 1040.00 1024.0000 1035.0000 1972517 2013-02-20 18:47:43

4 AAL.L 20130220 1998.0 2014.50 1942.4999 1951.0000 3666033 2013-02-20 18:47:44

5 ANTO.L 20130220 1093.0 1097.00 1064.7899 1068.0000 2183931 2013-02-20 18:47:44

6 ARM.L 20130220 941.5 965.10 939.4250 951.5001 2994652 2013-02-20 18:47:45

但是我得到了一些可怕的东西：

0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7

0 NaN NaN NaN NaN NaN NaN NaN NaN ADN.L 20130220 437.4 442.37 436.5000 441.9000 2775364 2013-02-20 18:47:42

1 NaN NaN NaN NaN NaN NaN NaN NaN ADM.L 20130220 1279.0 1300.00 1272.0000 1285.0000 967730 2013-02-20 18:47:42

2 NaN NaN NaN NaN NaN NaN NaN NaN AGK.L 20130220 1717.0 1749.00 1709.0000 1739.0000 834534 2013-02-20 18:47:43

3 NaN NaN NaN NaN NaN NaN NaN NaN AMEC.L 20130220 1030.0 1040.00 1024.0000 1035.0000 1972517 2013-02-20 18:47:43

4 NaN NaN NaN NaN NaN NaN NaN NaN AAL.L 20130220 1998.0 2014.50 1942.4999 1951.0000 3666033 2013-02-20 18:47:44

5 NaN NaN NaN NaN NaN NaN NaN NaN ANTO.L 20130220 1093.0 1097.00 1064.7899 1068.0000 2183931 2013-02-20 18:47:44

6 NaN NaN NaN NaN NaN NaN NaN NaN ARM.L 20130220 941.5 965.10 939.4250 951.5001 2994652 2013-02-20 18:47:45

0 NaN NaN NaN NaN NaN NaN NaN NaN ADN.L 20130220 437.4 442.37 436.5000 441.9000 2775364 2013-02-20 18:47:42

1 NaN NaN NaN NaN NaN NaN NaN NaN ADM.L 20130220 1279.0 1300.00 1272.0000 1285.0000 967730 2013-02-20 18:47:42

2 NaN NaN NaN NaN NaN NaN NaN NaN AGK.L 20130220 1717.0 1749.00 1709.0000 1739.0000 834534 2013-02-20 18:47:43

3 NaN NaN NaN NaN NaN NaN NaN NaN

而且我不明白为什么。我开始想念R :(

在这里查看：pandas.pydata.org/pandas-docs/stable/merging.html

concat更像是rbind而不是append。查看来自@Seth的评论

使用append进行专门的连接有一个简单的示例：df = pd.DataFrame([[1, 2], [3, 4]], columns=list(AB)) df2 = pd.DataFrame([[5, 6], [7, 8]], columns=list(AB)) df.append(df2)

另请参见pandas数据框concat vs append：" append和concat [几乎]相等" ..." append是concat的特定情况(轴= 0，join =外部)"。

嗯，这与我创建DataFrame的方式有关，而不是与我将它们组合在一起的方式有关。它的长短是，如果要使用循环和如下所示的语句创建框架：

Frame = Frame.append(pandas.DataFrame(data = SomeNewLineOfData))

您必须忽略索引

Frame = Frame.append(pandas.DataFrame(data = SomeNewLineOfData), ignore_index=True)

否则以后合并数据时会有问题。

因此，在问了一个问题后再回顾一下，我认为值得注意的是-这是制作数据框的一种糟糕方法。最好先构造一个字典列表，然后再调用构造函数。

或者，更好的是：不要在循环内调用df.append，这是二次复杂度。而是将DataFrames追加到列表中，并在最后调用pd.concat。

这为我工作：

import numpy as np

import pandas as pd

dates = np.asarray(pd.date_range('1/1/2000', periods=8))

df1 = pd.DataFrame(np.random.randn(8, 4), index=dates, columns=['A', 'B', 'C', 'D'])

df2 = df1.copy()

df = df1.append(df2)

产量：

A B C D

2000-01-01 -0.327208 0.552500 0.862529 0.493109

2000-01-02 1.039844 -2.141089 -0.781609 1.307600

2000-01-03 -0.462831 0.066505 -1.698346 1.123174

2000-01-04 -0.321971 -0.544599 -0.486099 -0.283791

2000-01-05 0.693749 0.544329 -1.606851 0.527733

2000-01-06 -2.461177 -0.339378 -0.236275 0.155569

2000-01-07 -0.597156 0.904511 0.369865 0.862504

2000-01-08 -0.958300 -0.583621 -2.068273 0.539434

2000-01-01 -0.327208 0.552500 0.862529 0.493109

2000-01-02 1.039844 -2.141089 -0.781609 1.307600

2000-01-03 -0.462831 0.066505 -1.698346 1.123174

2000-01-04 -0.321971 -0.544599 -0.486099 -0.283791

2000-01-05 0.693749 0.544329 -1.606851 0.527733

2000-01-06 -2.461177 -0.339378 -0.236275 0.155569

2000-01-07 -0.597156 0.904511 0.369865 0.862504

2000-01-08 -0.958300 -0.583621 -2.068273 0.539434

如果您尚未使用最新版本的pandas，我强烈建议您进行升级。现在可以对包含重复索引的DataFrame进行操作。

点子不会产生最新的熊猫吗？

@ N.McA。是的，应该。您可以这样检查-pd.version.version。

pd.concat将用于R中的rbind。

import pandas as pd

df1 = pd.DataFrame({'col1': [1,2], 'col2':[3,4]})

df2 = pd.DataFrame({'col1': [5,6], 'col2':[7,8]})

print(df1)

print(df2)

print(pd.concat([df1, df2]))

结果将如下所示：

col1 col2

0 1 3

1 2 4

col1 col2

0 5 7

1 6 8

col1 col2

0 1 3

1 2 4

0 5 7

1 6 8

如果您足够仔细地阅读了文档，它还将说明其他操作，例如cbind，.. etc。

import pandas as pd

import numpy as np

如果您有一个像这样的DataFrame：

array = np.random.randint( 0,10, size = (2,4) )

df = pd.DataFrame(array, columns = ['A','B', 'C', 'D'], \

index = ['10aa', '20bb'] ) ### some crazy indexes

A B C D

10aa 4 2 4 6

20bb 5 1 0 2

并且您想要添加一些新行，它是一个列表(或另一个可迭代对象)：

List = [i**3 for i in range(df.shape[1]) ]

List

[0, 1, 8, 27]

您应该使用zip()函数使用键等于DataFrame中的列将列表转换为字典：

Dict = dict( zip(df.columns, List) )

Dict

{'A': 0, 'B': 1, 'C': 8, 'D': 27}

比您可以使用append()方法添加新字典：

df = df.append(Dict, ignore_index=True)

A B C D

0 7 5 5 4

1 5 8 4 1

2 0 1 8 27

N.B.索引被删除。

是的，它不像R中的cbind()那样简单：(

weixin_39870413

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
python的rbind_关于python：rbind的熊猫版本

在R中，您可以使用rbind将一个数据列粘贴到另一个数据列的底部，从而合并两个数据帧。在大熊猫中，您如何完成同一件事？看来异常困难。由于我不了解的原因，使用append会导致混乱，包括NaN和其他内容。我只是试图" rbind"两个看起来像这样的相同框架：编辑：我正在以一种愚蠢的方式创建DataFrames，这会导致问题。附加= rbind所有意图和目的。请参阅下面的答案。0 ...
复制链接

扫一扫