Pandas如何合并/组合列

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。

Camera课程

Python教程

Java教程

Web教程

数据库教程

图形图像教程

办公软件教程

Linux教程

计算机教程

大数据教程

开发工具教程