Rumah pembangunan bahagian belakang Tutorial Python Bagaimanakah saya boleh menggabungkan baris dua DataFrames dalam Panda, dan adakah terdapat kaedah alternatif untuk menggabungkan bingkai data?

Bagaimanakah saya boleh menggabungkan baris dua DataFrames dalam Panda, dan adakah terdapat kaedah alternatif untuk menggabungkan bingkai data?

Oct 30, 2024 am 03:44 AM

How can I concatenate rows of two DataFrames in Pandas, and are there any alternative methods for combining dataframes?

Menggabungkan Baris Dua Bingkai Data dalam Panda: Panduan

Apabila bekerja dengan data dalam panda, selalunya terdapat keadaan di mana ia menjadi perlu untuk menggabungkan data daripada pelbagai sumber. Ini boleh dicapai melalui pelbagai kaedah, salah satunya adalah penggabungan. Penggabungan membenarkan penjajaran mendatar dan penggabungan bingkai data, mempersembahkan paparan data yang komprehensif.

Menggabungkan Baris Dua Bingkai Data

Proses menggabungkan baris dalam dua bingkai data , df_a dan df_b, adalah mudah. Dengan memanggil fungsi concat dan menentukan paksi=1, anda boleh menggabungkan bingkai data mengikut lajur, menghasilkan bingkai data dengan bilangan baris yang sama (nRow) dengan kedua-dua df_a dan df_b dan bilangan lajur yang sama dengan jumlah nombor lajur dalam kedua-dua bingkai data.

Pertimbangkan contoh berikut:

<code class="python">dict_data = {'Treatment': ['C', 'C', 'C'], 'Biorep': ['A', 'A', 'A'], 'Techrep': [1, 1, 1], 'AAseq': ['ELVISLIVES', 'ELVISLIVES', 'ELVISLIVES'], 'mz':[500.0, 500.5, 501.0]}
df_a = pd.DataFrame(dict_data)
dict_data = {'Treatment1': ['C', 'C', 'C'], 'Biorep1': ['A', 'A', 'A'], 'Techrep1': [1, 1, 1], 'AAseq1': ['ELVISLIVES', 'ELVISLIVES', 'ELVISLIVES'], 'inte1':[1100.0, 1050.0, 1010.0]}
df_b = pd.DataFrame(dict_data)</code>
Salin selepas log masuk

Untuk menggabungkan bingkai data ini secara mendatar, anda akan menggunakan kod berikut:

<code class="python">pd.concat([df_a,df_b], axis=1)</code>
Salin selepas log masuk

Yang terhasil kerangka data akan mempunyai struktur berikut:

<code class="python">        AAseq Biorep  Techrep Treatment     mz      AAseq1 Biorep1  Techrep1  \
0  ELVISLIVES      A        1         C  500.0  ELVISLIVES       A         1   
1  ELVISLIVES      A        1         C  500.5  ELVISLIVES       A         1   
2  ELVISLIVES      A        1         C  501.0  ELVISLIVES       A         1   

  Treatment1  inte1  
0          C   1100  
1          C   1050  
2          C   1010  </code>
Salin selepas log masuk

Kaedah Alternatif

Selain penggabungan, terdapat kaedah alternatif yang boleh digunakan untuk menggabungkan bingkai data. Kaedah ini termasuk penggabungan dan penggabungan.

Penggabungan

Penggabungan bingkai data menggabungkannya berdasarkan lajur atau kunci tertentu. Ini berguna apabila bingkai data berkongsi lajur biasa dan anda ingin menggabungkan data berdasarkan lajur tersebut. Untuk bingkai data df_a dan df_b yang diberikan di atas, yang mempunyai bilangan baris yang sama, anda boleh menggabungkannya menggunakan indeks seperti berikut:

<code class="python">df_a.merge(df_b, left_index=True, right_index=True)</code>
Salin selepas log masuk

Menyertai

Menyertai bingkai data adalah serupa dengan penggabungan, tetapi bukannya menggabungkan bingkai data berdasarkan lajur tertentu, ia bergabung dengan bingkai data berdasarkan kedudukan baris. Sekali lagi, untuk df_a dan df_b, yang mempunyai bilangan baris yang sama dan tiada indeks pendua, anda boleh menyertainya seperti berikut:

<code class="python">df_a.join(df_b)</code>
Salin selepas log masuk

Pilihan kaedah yang hendak digunakan bergantung pada keperluan data tertentu anda tugas analisis. Penggabungan, penggabungan dan penggabungan semuanya menawarkan cara yang mudah untuk menggabungkan bingkai data dan memberikan kefleksibelan untuk mengendalikan pelbagai senario.

Atas ialah kandungan terperinci Bagaimanakah saya boleh menggabungkan baris dua DataFrames dalam Panda, dan adakah terdapat kaedah alternatif untuk menggabungkan bingkai data?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

Video Face Swap

Video Face Swap

Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

<🎜>: Bubble Gum Simulator Infinity - Cara Mendapatkan dan Menggunakan Kekunci Diraja
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Whispers of the Witch Tree - Cara Membuka Kunci Cangkuk Bergelut
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Nordhold: Sistem Fusion, dijelaskan
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Tutorial Java
1668
14
Tutorial PHP
1273
29
Tutorial C#
1255
24
Python: Permainan, GUI, dan banyak lagi Python: Permainan, GUI, dan banyak lagi Apr 13, 2025 am 12:14 AM

Python cemerlang dalam permainan dan pembangunan GUI. 1) Pembangunan permainan menggunakan pygame, menyediakan lukisan, audio dan fungsi lain, yang sesuai untuk membuat permainan 2D. 2) Pembangunan GUI boleh memilih tkinter atau pyqt. TKInter adalah mudah dan mudah digunakan, PYQT mempunyai fungsi yang kaya dan sesuai untuk pembangunan profesional.

Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Apr 19, 2025 am 12:20 AM

Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Python dan Masa: Memanfaatkan masa belajar anda Python dan Masa: Memanfaatkan masa belajar anda Apr 14, 2025 am 12:02 AM

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python vs C: Meneroka Prestasi dan Kecekapan Python vs C: Meneroka Prestasi dan Kecekapan Apr 18, 2025 am 12:20 AM

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Yang merupakan sebahagian daripada Perpustakaan Standard Python: Senarai atau Array? Yang merupakan sebahagian daripada Perpustakaan Standard Python: Senarai atau Array? Apr 27, 2025 am 12:03 AM

Pythonlistsarepartofthestandardlibrary, sementara

Python: Automasi, skrip, dan pengurusan tugas Python: Automasi, skrip, dan pengurusan tugas Apr 16, 2025 am 12:14 AM

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Pembelajaran Python: Adakah 2 jam kajian harian mencukupi? Pembelajaran Python: Adakah 2 jam kajian harian mencukupi? Apr 18, 2025 am 12:22 AM

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python vs C: Memahami perbezaan utama Python vs C: Memahami perbezaan utama Apr 21, 2025 am 12:18 AM

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

See all articles