如何串联pandas.DataFrames列

Question

我有一个称为raw_df ：

columns = ['force0', 'distance0', 'force1', 'distance1']

raw_data = [{'force0': 1.2, 'distance0': 0.0, 'force1': 0.5, 'distance1': 0.0},
            {'force0': 1.3, 'distance0': 0.1, 'force1': 0.6, 'distance1': 0.0},
            {'force0': 1.4, 'distance0': 0.2, 'force1': 0.7, 'distance1': 0.3},
            {'force0': 1.5, 'distance0': 0.5, 'force1': 0.8, 'distance1': 0.6}]

raw_df = pd.DataFrame(raw_data, columns=columns)

raw_df看起来像这样：

   force0  distance0  force1  distance1
0     1.2        0.0     0.5        0.0
1     1.3        0.1     0.6        0.0
2     1.4        0.2     0.7        0.3
3     1.5        0.5     0.8        0.6

目前没有索引，但我希望将distance列合并为一个索引，因此这些列为：

          force0  force1
distance                
0.0          1.2     0.5
0.0          NaN.    0.6
0.1          1.3     NaN
0.2          1.4     NaN
0.3          NaN     0.7
0.5          1.5     NaN
0.6          NaN     0.8

请注意，在force1中，距离1 = 0.0有2个条目。

索引（距离）不应排序：它们先升后降，而每个测试的原始顺序很重要。

斯特凡（Stefan）对我的问题描述得不好的问题发表了一个惊人的答案，但似乎用其他数字填补了所有缺失的力（这会产生误导，因为在那些测试中没有针对这些距离的力测量值）。 我使用np.nan来缺少值，因为我认为这是pandas所做的。

我认为merge或join可能会满足我的需要，但无法理解文档 。

也许pandas.DataFrame不是为此类数据而设计的，我应该改用numpy.genfromtxt并随便选择我需要的列：如果我要选择pandas.DataFrame列，我看不出任何好处飞（因为在这种情况下我不使用索引）。

谢谢你的帮助。

Answer 1

如果我理解正确，那么您是从类似于以下情况开始的：

columns = list(sum(list(zip(['Forces{}'.format(i) for i in range(4)], ['Distances{}'.format(i) for i in range(4)])), ()))
df = pd.DataFrame(np.random.randint(1, 11, size=(100, 8)), columns=columns)

   Forces0  Distances0  Forces1  Distances1  Forces2  Distances2  Forces3  \
0        3           5        8           3        7           4        2   
1        1           4       10           9        9           3        6   
2       10           3        1           3        3           7        8   
3        2           1        3           6       10          10       10   
4        4           2        9           1        3          10        8   

   Distances3  
0           8  
1           5  
2           3  
3           8  
4           8  

并且您的目标是让各种Distance列构成一个index而相应的Force columns remain in place. You could columns remain in place. You could像这样堆叠框架：

df.set_index([c for c in df.columns if c.startswith('Force')], inplace=True)
df = df.stack().reset_index(level=-1, drop=True).reset_index().rename(columns={0: 'Distance'})
df.set_index(['Distance'], inplace=True)

要得到：

          Forces0  Forces1  Forces2  Forces3
Distance                                    
9               7        4        6        7
9               7        4        6        7
1               7        4        6        7
6               7        4        6        7
5               1        2        3        1

Answer 2

我使用MultiIndex DataFrame解决了问题：

1. 使用pd.read_csv()将每个测试读入单独的DataFrame中
2. 使用df = pd.concat(frame_list, keys=test_names)将DataFrames合并为一个

我没有在这里写详细说明，而是在主题上写了一个Jupyter笔记本 ，将MultiIndex方法与仅保留标准Python DataFrames列表进行了比较。