[英]Combining corresponding columns between two separate dataframes into new dataframe
我有两个如下所示的数据框:
df1
Column 1 Column 2 Column 3
0.2 0.4 0.5
0.25 0.44 0.45
0.26 0.32 0.33
df2
Column 1 Column 2 Column 3
340 350 360
410 400 350
234 324 450
您可以在此处尝试更理想的订购方式: Pandas串联交替的列
但是,如果以所需方式显式组合数据帧,则读取代码会容易得多。
首先声明新的列名:
dataCols = ['c1', 'c2', 'c3', 'c4', 'c5', 'c6']
然后替换系列:
dataSeries = [df1.Column1, df2.Column1, df1.Column2, df2.Column2, df1.Column3, df2.Column3]
(如果当前列名称中有空格,请使用df1['Column 1']
)
然后合并成一个字典并创建一个数据框:
dataDict = dict(list(zip(dataCols, dataSeries)
newDf = pd.DataFrame(dataDict)
这将创建具有交替列的数据框。
要替换任何数据框的列(具有任何可能不相同的列名),请首先组合两个数据框,然后通过按所需顺序传递列名列表来对其重新排序。
对于交替顺序,首先获取两个数据框列名称的列表
l1 = df1.columns
l2 = df2.columns
然后创建成对的列名,将它们压缩到两个列表中(结果为('col1','col1')
.... ect。)
colNames = zip(l1, l2)
然后以交替方式与列表理解相结合
combinedNames = [name for pair in colNames for name in pair]
这将创建带有成对的列名称的列表。
将此列表应用于合并的数据框以对其重新排序:
combinedDf = combinedDf[combinedNames]
一种更简单的方法是定义一个新的 DataFrame 并在 for 循环中使用 pandas.DataFrame.append() 函数,以便交替使用 2 个 DataFrame。 然后,您需要转换新的 DataFrame 以使其正确:
NumColumn=d1.shape[1]
NewDF = pd.DataFrame()
for i in range(NumColumn):
NewDF = NewDF.append(d1.iloc[:, i])
NewDF = NewDF.append(d2.iloc[:, i])
NewDF = NewDF.T
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.