Append列轉pandas dataframe

Question

這可能很容易，但我有以下數據：

在數據框 1 中：

index dat1
0     9
1     5

在數據框 2 中：

index dat2
0     7
1     6

我想要一個具有以下形式的數據框：

index dat1  dat2
0     9     7
1     5     6

我試過使用append方法，但我得到了一個交叉連接（即笛卡爾積）。

這樣做的正確方法是什么？

Answer 1

一般來說，您似乎只是在尋找加入：

> 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

您還可以使用：

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

Answer 3

join()和concat()方式都可以解決問題。 但是，我必須提到一個警告：如果您嘗試通過從另一個 DataFrame 中選擇一些行來處理某個數據框，請在join()或concat()之前重置索引。

下面的一個例子展示了 join 和 concat 的一些有趣的行為：

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

也許無論如何都太簡單了......

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

結果：

    dat1  dat2
0     9     7
1     5     6

Answer 5

您可以分配一個新列。 使用索引對齊相應的行：

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']

結果：

   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)

結果：

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

Answer 6

只是一個正確的谷歌搜索問題：

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