熊猫-合并两个未堆叠的数据帧

Question

我正在处理一个数据集，在该数据集中我将数据拆栈，并获得第一行和最后一行。

>>> print df.iloc[[(0), (-1)]]

     Distance               
Node            0     1     2   
Time                            
0             27.0  54.0  97.0  
60            22.0  49.0  92.0  

然后我使用df1 = (df.loc[0] - df.iloc[(-1)]).unstack()得到两行的差

Node            0    1    2    
Distance       5.0  5.0  5.0

最后，我想串联/合并两个数据集（ df和df1 ）。

 >>> print pd.concat([df, df1], axis=1)

               (Distance, 0)  (Distance, 1)  (Distance, 2) 
0                   27.0           54.0           NaN  
60                  22.0           49.0           92.0 
Distance            NaN             NaN            NaN

但我得到了NaN 。

有人知道我在做什么错吗？

我希望我的输出看起来像这样

     Distance               
Node            0     1     2   
Time                            
0             27.0  54.0  97.0  
60            22.0  49.0  92.0 
Difference     5.0  5.0   5.0

Answer 1

我认为，您要实现的目标不需要使用unstack 。 以下是一些替代方案。 为了简化格式，我省略了索引和列名。

设定

df = pd.DataFrame({0: [27.0, 22.0], 1: [54.0, 49.0], 2: [97.0, 92.0]},
                  index=[0, 60])

print(df)

       0     1     2
0   27.0  54.0  97.0
60  22.0  49.0  92.0

pd.DataFrame.loc

通过带有行标签的pd.DataFrame.loc通过索引添加新行。

df.loc['Distance'] = df.loc[0] - df.iloc[-1]

pd.Series.to_frame + concat

将差异序列转换为数据框，然后转置并连接。

diff = (df.loc[0] - df.iloc[-1]).to_frame().T
diff.index = ['Distance']

res = pd.concat([df, diff])

结果

两种方法的结果：

print(res)

             0     1     2
0         27.0  54.0  97.0
60        22.0  49.0  92.0
Distance   5.0   5.0   5.0