Python 如何使用cbind

Python是一种通用的编程语言，提供了各种模块和库供程序员执行所需的任务。其中一个强大的功能是“cbind”，即列绑定。 “cbind”是一个强大的工具，允许程序员在Python中以列的方式组合、合并和分组数组、数据框等。在本文中，我们将学习如何在Python中使用“cbind”。

使用zip和列表推导式

zip和列表推导式是Python中许多表达式中使用的两种非常流行的技术。zip函数可以帮助将来自不同可迭代对象的多个元素组合在一起。另一方面，列表推导式是一种通过在一行中组合多个表达式、循环等来生成列表元素的技术。

语法

zip(iterable1, iterable2, other iterables……….)

zip函数接受多个可迭代元素。这里的iterable1、iterable2、iterable3等等都是像列表等可迭代对象。zip方法会返回一个包含所有元素组合的元组。这些可迭代对象不需要在相同的维度上。而且可迭代对象可以是多种数据类型。

示例

在以下示例中，我们创建了三列，分别是列1、列2和列3。接下来，我们使用列表推导式和zip方法生成一个列表。我们使用zip方法将所有三个列表组合起来，并将元素追加到列表中。

column1 = [1, 2, 3]
column2 = [4, 5, 6]
column3 = [7, 8, 9]
combined = [list(t) for t in zip(column1, column2, column3)]
for row in combined:
    print(row)

输出

[1, 4, 7]
[2, 5, 8]
[3, 6, 9]

使用numpy.concatenate()方法

concatenate（顾名思义）可以帮助在特定轴向（行或列）上连接数组。在连接数组后，我们可以从结果中切出所需的元素。

示例

在下面的代码中，我们首先导入了Numpy库。我们创建了三个数组，分别命名为column 1、column 2和column 3。我们使用Numpy的concatenate方法来连接这些数组，并将结果存储在名为combined的变量中。接下来，我们对变量combined进行迭代，并打印出行。

import numpy as np
column1 = np.array([1, 2, 3])
column2 = np.array([4, 5, 6])
column3 = np.array([7, 8, 9])
combined = np.concatenate((column1[:, np.newaxis], column2[:, np.newaxis], column3[:, np.newaxis]), axis=1)
for row in combined:
    print(row)

输出

[1 4 7]
[2 5 8]
[3 6 9]

使用zip和* 运算符

zip方法，如前所述，用于将多个可迭代元素组合在一起。另一方面，”*”运算符是解包运算符，可以将可迭代元素解包为单独的值或参数。它可用于许多情景，例如函数调用、列表创建、变量赋值等等。

示例

column1 = [1, 2, 3]
column2 = [4, 5, 6]
column3 = [7, 8, 9]
combined = [*zip(column1, column2, column3)]
for row in combined:
    print(row)

输出

(1, 4, 7)
(2, 5, 8)
(3, 6, 9)

使用NumPy中的cbind函数

NumPy是一个流行的Python库，用于处理数值计算。它提供了一种简单直接的内置方法来执行“cbind”操作。

语法

result = np.c_[array1, array2, array3,......]

在这里，array1、array2、array3等是我们需要执行“cbind”操作的数组。我们可以使用NumPy的c_方法来使用单个或多个数组。所有的数组都应该具有相同的维度。否则，Numpy会抛出一个错误。

示例

在下面的示例中，我们导入了Numpy数组，并使用别名np给它取了一个别名。接下来，我们使用Numpy的array方法创建了array1和array2。然后，我们对这两个数组执行了“cbind”操作，并打印了结果。

该代码使用c_方法来进行列连接。虽然没有提到“cbind”，但这个函数在其他编程语言如R中正是“cbind”所做的事情。

import numpy as np
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
result = np.c_[array1, array2]
print(result)

输出

[[1 4]
 [2 5]
 [3 6]]

使用pandas的cbind函数

Pandas是Python中的强大数据分析工具。Pandas有一个名为concat的内置函数，用于执行连接操作。我们只需要向函数传递一个额外的参数名为axis，以按列执行操作。这也与其他编程语言（如R）中的“cbind”具有相同的目的。

语法

result = pd.concat([df1, df2, df3, ….. ], axis=<1 or 0>)

示例

import pandas as pd
df1 = pd.DataFrame({'A': [1, 2, 3]})
df2 = pd.DataFrame({'B': [4, 5, 6]})
result = pd.concat([df1, df2], axis=1)
print(result)

输出

A  B
0  1  4
1  2  5
2  3  6

结论

在本文中，我们了解了如何使用Python中的库函数执行“cbind”操作。Numpy库有c_方法，可以进行按列拼接。同样，Pandas库有concat方法可以执行拼接操作，我们可以使用它来实现“cbind”。