我整晚都在研究這個，就是想不通，盡管我知道這應該很簡單。所以，我對一個睡眠不足的家伙的以下咒語表示最誠摯的歉意：因此，我有四個字段，Employee ID、Name、Station 和 Shift（ID 為非空整數，其余為字符串或空值）。我有大約 10 個數據幀，全部按 ID 索引。每個只包含兩列（名稱和站）或（名稱和班次）現在當然，我想將所有這些組合到一個數據框中，每個 ID 都有一個唯一的行。但在這一點上我真的很沮喪（特別是因為我找不到直接檢查我的最終數據框以多少個唯一索引結尾的方法）在弄亂了一些使用 .merge() 的非常丑陋的方法之后，我終于找到了 .concat()。但它一直為每個 ID 制作多行，當我在 excel 中檢查時，索引就像 Table1/1234、Table2/1234 等。一行有班次，另一行有站，這正是我試圖避免的.如何將所有數據編譯到一個數據框中，每個 ID 恰好一行？可能不使用 9 個不同的合并語句，因為我以后必須擴大規模。
1 回答
MYYA
TA貢獻1868條經驗 獲得超4個贊
如果我正確理解你的問題，這就是你想要的。
例如這 3 個數據框..
In [1]: df1
Out[1]:
0 1 2
0 3.588843 3.566220 6.518865
1 7.585399 4.269357 4.781765
2 9.242681 7.228869 5.680521
3 3.600121 3.931781 4.616634
4 9.830029 9.177663 9.842953
5 2.738782 3.767870 0.925619
6 0.084544 6.677092 1.983105
7 5.229042 4.729659 8.638492
8 8.575547 6.453765 6.055660
9 4.386650 5.547295 8.475186
In [2]: df2
Out[2]:
0 1
0 95.013170 90.382886
2 1.317641 29.600709
4 89.908139 21.391058
6 31.233153 3.902560
8 17.186079 94.768480
In [3]: df
Out[3]:
0 1 2
0 0.777689 0.357484 0.753773
1 0.271929 0.571058 0.229887
2 0.417618 0.310950 0.450400
3 0.682350 0.364849 0.933218
4 0.738438 0.086243 0.397642
5 0.237481 0.051303 0.083431
6 0.543061 0.644624 0.288698
7 0.118142 0.536156 0.098139
8 0.892830 0.080694 0.084702
9 0.073194 0.462129 0.015707
你可以做
pd.concat([df,df1,df2], axis=1)
這產生
In [6]: pd.concat([df,df1,df2], axis=1)
Out[6]:
0 1 2 0 1 2 0 1
0 0.777689 0.357484 0.753773 3.588843 3.566220 6.518865 95.013170 90.382886
1 0.271929 0.571058 0.229887 7.585399 4.269357 4.781765 NaN NaN
2 0.417618 0.310950 0.450400 9.242681 7.228869 5.680521 1.317641 29.600709
3 0.682350 0.364849 0.933218 3.600121 3.931781 4.616634 NaN NaN
4 0.738438 0.086243 0.397642 9.830029 9.177663 9.842953 89.908139 21.391058
5 0.237481 0.051303 0.083431 2.738782 3.767870 0.925619 NaN NaN
6 0.543061 0.644624 0.288698 0.084544 6.677092 1.983105 31.233153 3.902560
7 0.118142 0.536156 0.098139 5.229042 4.729659 8.638492 NaN NaN
8 0.892830 0.080694 0.084702 8.575547 6.453765 6.055660 17.186079 94.768480
9 0.073194 0.462129 0.015707 4.386650 5.547295 8.475186 NaN NaN
有關更多詳細信息，您可能希望查看pd.concat
將簡單的說明性數據放入您的問題中的提示總是有助于獲得答案。
添加回答
舉報
0/150
提交
取消