[英]Merge many sub-dataframes in a big dataframe in a loop in python pandas
我的程序將生成許多小數據框,如下所示
Column_A Column_B
row1 1 2
Column_A Column_B
row2 3 4
Column_C Column_D
row1 5 6
Column_C Column_D
row2 7 8
我希望他們合並為
Column_A Column_B Column_C Column_D
row1 1 2 5 6
row2 3 4 7 8
當需要一次合並一個數據幀時,如何做到這一點。 生成較小數據幀的代碼是
df = {}
df[0] = pd.DataFrame({'Column_A' : [1],
'Column_B' : [2]},
index = ["row1"])
df[1] = pd.DataFrame({'Column_A' : [3],
'Column_B' : [4]},
index = ["row2"])
df[2] = pd.DataFrame({'Column_C' : [5],
'Column_D' : [6]},
index = ["row1"])
df[3] = pd.DataFrame({'Column_C' : [7],
'Column_D' : [8]},
index = ["row2"])
我嘗試使用merge和concat,但是他們總是通過使用_x,_y附加現有列或僅重復列來創建更多列
例如,以下列方式合並
pdf = pd.DataFrame()
for i in range(4):
pdf = pdf.merge(pd.DataFrame(df[i], index=["row{}".format(((i)%2)+1)]), how='outer', left_index=True, right_index=True)
產生
Column_A_x Column_B_x Column_A_y Column_B_y Column_C_x Column_D_x \
row1 1.0 2.0 NaN NaN 5.0 6.0
row2 NaN NaN 3.0 4.0 NaN NaN
Column_C_y Column_D_y
row1 NaN NaN
row2 7.0 8.0
有人可以用正確的方式幫助我合並它
如果你能以任何方式將左右部分保存在不同的容器中,它會對你有很大的幫助。 例如,列A和B在一個中,列C和D在另一個中。 這樣你就可以很容易地使用pandas.concat
將它們拼湊在一起。 在構建了兩半之后,您需要在這種情況下使用索引合並它們。
使用原始的df
字典:
In [11]: pd.concat([df[0], df[1]]).merge(pd.concat([df[2], df[3]]), left_index=True, right_index=True)
Out[11]:
Column_A Column_B Column_C Column_D
row1 1 2 5 6
row2 3 4 7 8
使用左右兩半的容器,代碼讀得更好(並且不需要循環):
left = [pd.DataFrame({'Column_A' : [1],
'Column_B' : [2]},
index = ["row1"]),
pd.DataFrame({'Column_A' : [3],
'Column_B' : [4]},
index = ["row2"])]
right = [pd.DataFrame({'Column_C' : [5],
'Column_D' : [6]},
index = ["row1"]),
pd.DataFrame({'Column_C' : [7],
'Column_D' : [8]},
index = ["row2"])]
df = pd.concat(left).merge(pd.concat(right), left_index=True, right_index=True)
最后,如果您真的別無選擇,只能將它們存儲在類似示例的字典中:
from functools import reduce, partial
from itertools import groupby
pdf = reduce(
partial(pd.merge, left_index=True, right_index=True, how='outer'),
(pd.concat(list(g))
for cols, g in groupby(sorted(df.values(),
key=lambda df_: tuple(df_.columns)),
lambda df_: tuple(df_.columns)))
)
試試這個:
In [186]: result = pd.concat([df[key].reset_index() for key in df.keys()],
.....: ignore_index=True) \
.....: .set_index('index') \
.....: .groupby(level=0) \
.....: .sum() \
.....: .astype(int)
In [187]: result
Out[187]:
Column_A Column_B Column_C Column_D
index
row1 1 2 5 6
row2 3 4 7 8
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.