你能将 Pandas 数据帧的元素合并成元组吗？

Question

如果您在 Python 中有两个具有相同轴的 Pandas 数据框，是否有将元素合并为元组以便它们保持位置的函数？ 如果有更好的方法来组合这些数据框而不复制索引或列的数量，那也可以。

预期逻辑：

Answer 1

你可以在纯熊猫中做到这一点：

(pd.concat([df1,df2])
   .stack()
   .groupby(level=[0,1])
   .apply(tuple)
   .unstack()
 )

输出：

        A        B
0  (1, 7)  (4, 10)
1  (2, 8)  (5, 11)
2  (3, 9)  (6, 12)

输入：

import pandas as pd 
df1 = pd.DataFrame({"A":[1,2,3],"B":[4,5,6]})
df2 = pd.DataFrame({"A":[7,8,9],"B":[10,11,12]})

Answer 2

您正在寻找的操作看起来像“zip”。 也就是说，将两个序列的元素一起匹配成一个元组序列。 如果您查看数据框中的每一列并将它们压缩在一起，您将得到一个元组列表列表的结果 - 您希望在结果数据框中包含什么。 然后，您可以使用相同的列和索引来构建数据框。 在代码中，它看起来像这样：

data = [list(zip(df1[col], df2[col])) for col in df1]
pd.DataFrame(data, index=[1,2,3], columns=["A", "B", "C"])

Answer 3

你也许可以使用这样的东西来实现你想要的。

df3 = pd.DataFrame({x: zip(df1[x], df2[x]) for x in df1.columns})

Answer 4

df1 = pd.DataFrame({"A" : [1,2,3], "B":[4,5,6]})
df2 = pd.DataFrame({"A" : [7,8,9], "B":[10,11,12]})

def add_dfs(df1, df2):
    for col in df1.columns:
        df1[col] = df1[col].apply(lambda x: (x,))
    for col in df2.columns:
        df2[col] = df2[col].apply(lambda x: (x,))
    df = df1 + df2 # using + operator , satisfies answer technically
    return df

df = add_dfs(df1, df2)