Bagaimana untuk Menggabungkan DataFrames dalam Python: Kekalkan Indeks atau Mula Segar?

Linda Hamilton
Lepaskan: 2024-10-30 08:40:27
asal
597 orang telah melayarinya

How to Combine DataFrames in Python: Preserve Indices or Start Fresh?

Menggabungkan DataFrames

Apabila bekerja dengan DataFrames, selalunya perlu untuk menggabungkan berbilang bingkai data ke dalam satu struktur data yang bersatu. Ini boleh timbul daripada pelbagai senario, seperti prapemprosesan data, menggabungkan set data yang serupa atau menambahkan data baharu.

Menggabungkan DataFrames Tanpa Memelihara Indeks

Untuk menggabungkan dua DataFrames, seseorang boleh menggunakan kaedah tambahan. Sintaksnya adalah mudah:

<code class="python">df_merged = df1.append(df2, ignore_index=True)</code>
Salin selepas log masuk

Apabila menetapkan ignore_index kepada True, DataFrame yang terhasil akan mempunyai indeks berjujukan baharu. Pilihan ini sesuai apabila susunan indeks tidak relevan dan boleh memudahkan manipulasi data selanjutnya.

Menggabungkan DataFrames dengan Indeks Terpelihara

Dalam senario tertentu, adalah wajar untuk mengekalkan indeks asal individu DataFrames. Untuk mencapainya, hanya tetapkan ignore_index kepada False:

<code class="python">df_merged = df1.append(df2, ignore_index=False)</code>
Salin selepas log masuk

Dengan mengekalkan indeks, kebolehkesanan ke DataFrames asal dikekalkan, memudahkan operasi hiliran seperti penerokaan data atau pemadanan rekod. Walau bagaimanapun, indeks DataFrame yang terhasil mungkin tidak bersebelahan jika DataFrames input mempunyai indeks tidak bertindih.

Atas ialah kandungan terperinci Bagaimana untuk Menggabungkan DataFrames dalam Python: Kekalkan Indeks atau Mula Segar?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

sumber:php.cn
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
Artikel terbaru oleh pengarang
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan
Tentang kita Penafian Sitemap
Laman web PHP Cina:Latihan PHP dalam talian kebajikan awam,Bantu pelajar PHP berkembang dengan cepat!