Pandas如何合并/组合列
在本文中,我们将介绍如何使用Pandas库合并/组合数据框中的列。
阅读更多:Pandas 教程
方法一:使用“+”运算符
使用“+”运算符连接两个或多个列非常简单。例如,我们有以下数据框:
import pandas as pd
df = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
print(df)
输出:
A B
0 A0 B0
1 A1 B1
2 A2 B2
3 A3 B3
在此数据框中,我们想要将“A”列和“B”列连接到一起。我们可以像下面这样使用“+”运算符:
df['C'] = df['A'] + df['B']
print(df)
输出:
A B C
0 A0 B0 A0B0
1 A1 B1 A1B1
2 A2 B2 A2B2
3 A3 B3 A3B3
通过以上代码可以看出,我们成功将“A”列和“B”列组合成了一列“C”。
方法二:使用Pandas的concat函数
除了使用“+”运算符,我们还可以使用Pandas的concat函数来连接数据框中的列。例如,我们有以下数据框:
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
df2 = pd.DataFrame({'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
我们可以使用concat函数将df1和df2中的“A”列和“C”列组合成一列,并将其存储到df3中:
df3 = pd.concat([df1['A'], df2['C']], axis=1)
print(df3)
输出:
A C
0 A0 C0
1 A1 C1
2 A2 C2
3 A3 C3
方法三:使用Pandas的merge函数
如果我们要根据某个共同的列将两个数据框合并成一个,我们可以使用Pandas的merge函数。例如,我们有以下两个数据框df1和df2:
df1 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
df2 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
我们可以根据“key”列将这两个数据框合并成一个:
df3 = pd.merge(df1, df2, on='key')
print(df3)
输出:
key A B C D
0 K0 A0 B0 C0 D0
1 K1 A1 B1 C1 D1
2 K2 A2 B2 C2 D2
3 K3 A3 B3 C3 D3
总结
在本文中,我们介绍了三种方法来合并/组合Pandas数据框中的列。这些方法包括使用“+”运算符,Pandas的concat函数,以及Pandas的merge函数。选择方法取决于数据集的结构和我们想要完成的任务。