Python 是一種多功能程式語言，為程式設計師提供各種模組和函式庫來執行所需的任務。 Python 提供的一個如此強大的函數是「cbind」。這代表列綁定。 「cbind」是一個強大的工具，允許程式設計師在 Python 中按列組合、合併和分組數組、資料框等。在本文中，我們將學習如何在Python中使用「cbind」。
Zip和清單推導是Python中許多表達式中使用的兩種非常流行的技術。 zip函數可以幫助將來自不同可迭代物件的多個元素組合在一起。另一方面，列表推導是一種在單行中透過組合多個表達式、循環等來產生列表元素的技術。
zip(iterable1, iterable2, other iterables……….)
zip函數接受多個可迭代元素。這裡的iterable1，iterable2，iterable3等都是可迭代對象，例如列表等。 zip方法將會傳回一個包含所有元素組合的元組。這些可迭代物件不需要在相同的維度上。同時，這些可迭代物件可以是多種資料類型
在下面的範例中，我們建立了三列，分別是列1、列2和列3。接下來，我們使用列表推導和zip方法產生了一個列表。我們使用zip方法將所有三個清單組合在一起，並將元素追加到清單中
column1 = [1, 2, 3]
column2 = [4, 5, 6]
column3 = [7, 8, 9]
combined = [list(t) for t in zip(column1, column2, column3)]
for row in combined:
print(row)
[1, 4, 7] [2, 5, 8] [3, 6, 9]
concatenate（連接）函數，顧名思義，用於沿著特定軸（行或列）連接陣列。在連接數組後，我們可以從結果中切片所需的元素
在下面的程式碼中，我們首先匯入了 Numpy 函式庫。我們創建了三個數組，分別命名為「column 1」、「column 2」和「column 3」。我們使用 Numpy 的 concatenate 方法來連接數組，並將結果儲存在名為「combined」的變數中。接下來，我們迭代組合的變數並列印行。
import numpy as np
column1 = np.array([1, 2, 3])
column2 = np.array([4, 5, 6])
column3 = np.array([7, 8, 9])
combined = np.concatenate((column1[:, np.newaxis], column2[:, np.newaxis], column3[:, np.newaxis]), axis=1)
for row in combined:
print(row)
[1 4 7] [2 5 8] [3 6 9]
zip方法，如前所述，有助於將多個可迭代元素合併在一起。另一方面，"*"運算符是解包運算符，它幫助將可迭代元素解包為單獨的值或參數。它可以用於許多上下文，例如函數呼叫、列表建立、變數賦值等。
column1 = [1, 2, 3]
column2 = [4, 5, 6]
column3 = [7, 8, 9]
combined = [*zip(column1, column2, column3)]
for row in combined:
print(row)
(1, 4, 7) (2, 5, 8) (3, 6, 9)
Numpy是Python中流行的函式庫，用於處理數值計算。它提供了一種直接的內建方法來執行“cbind”操作
result = np.c_[array1, array2, array3,......]
這裡 array1、array2、array3 等是我們執行「cbind」操作所需的陣列。我們可以透過 c_ 方法在 NumPy 上使用單一或多個陣列。所有數組應該具有相同的維度。否則，Numpy 會拋出錯誤。
在下面的範例中，我們匯入了 Numpy 陣列並使用別名為其指定別名 np。接下來，我們使用Numpy的陣列方法建立了array1和array2。接下來，我們對兩個陣列執行“cbind”操作並列印結果。
該程式碼使用c_方法進行按列連接。雖然沒有提到“cbind”，但該函數與其他程式語言（如R）中的“cbind”函數完全相同。
import numpy as np array1 = np.array([1, 2, 3]) array2 = np.array([4, 5, 6]) result = np.c_[array1, array2] print(result)
[[1 4] [2 5] [3 6]]
Pandas 是一個
在Python中，Panda是一個強大的資料分析工具。 Panda有一個名為concat的內建函數
執行連接操作。我們只需要傳遞一個額外的參數
為函數命名 axis 以按列執行操作。這也是
與 R 等其他程式語言中的「cbind」具有相同的用途。
result = pd.concat([df1, df2, df3, ….. ], axis=<1 or 0>)
import pandas as pd
df1 = pd.DataFrame({'A': [1, 2, 3]})
df2 = pd.DataFrame({'B': [4, 5, 6]})
result = pd.concat([df1, df2], axis=1)
print(result)
A B 0 1 4 1 2 5 2 3 6
在本文中，我們了解如何借助函式庫中可用的函數在 Python 中執行「cbind」操作。 Numpy 有 c_ 方法，它允許按列串聯。同樣，Pandas 有 concat 方法來執行連接，我們可以用它來執行「cbind」。
以上是如何在Python中使用cbind？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
