Append列转pandas dataframe

Question

这可能很容易，但我有以下数据：

在数据框 1 中：

index dat1
0     9
1     5

在数据框 2 中：

index dat2
0     7
1     6

我想要一个具有以下形式的数据框：

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）。

这样做的正确方法是什么？

Answer 1

一般来说，您似乎只是在寻找加入：

> dat1 = pd.DataFrame({'dat1': [9,5]})
> dat2 = pd.DataFrame({'dat2': [7,6]})
> dat1.join(dat2)
   dat1  dat2
0     9     7
1     5     6

Answer 2

您还可以使用：

dat1 = pd.concat([dat1, dat2], axis=1)

Answer 3

join()和concat()方式都可以解决问题。 但是，我必须提到一个警告：如果您尝试通过从另一个 DataFrame 中选择一些行来处理某个数据框，请在join()或concat()之前重置索引。

下面的一个例子展示了 join 和 concat 的一些有趣的行为：

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

Answer 4

也许无论如何都太简单了......

dat1 = pd.DataFrame({'dat1': [9,5]})
dat2 = pd.DataFrame({'dat2': [7,6]})
dat1['dat2'] = dat2  # Uses indices from dat1

结果：

    dat1  dat2
0     9     7
1     5     6

Answer 5

您可以分配一个新列。 使用索引对齐相应的行：

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [10, 20, 30]}, index=[0, 1, 2])
df2 = pd.DataFrame({'C': [100, 200, 300]}, index=[1, 2, 3])

df1['C'] = df2['C']

结果：

   A   B      C
0  1  10    NaN
1  2  20  100.0
2  3  30  200.0

忽略索引：

df1['C'] = df2['C'].reset_index(drop=True)

结果：

   A   B    C
0  1  10  100
1  2  20  200
2  3  30  300

Answer 6

只是一个正确的谷歌搜索问题：

data = dat_1.append(dat_2)
data = data.groupby(data.index).sum()