如何在 Python 中使用 cbind？
原文:https://www.geeksforgeeks.org/how-to-use-cbind-in-python/
在本文中，我们将讨论 Python 中的 cbind。我们已经在 R 编程语言中看到了 cbind()函数，用于按列组合指定的向量、矩阵或数据框。但是在 Python 中，有 concat() 函数，相当于 r 的 cbind()函数。
创建用于演示的数据帧:
Python 3
# import pandas module
import pandas as pd
# create dataframe
data1 = pd.DataFrame({'name': ['sravan', 'harsha', 'jyothika'],
'subject1': ['python', 'R', 'php'],
'marks': [96, 89, 90]})
# create dataframe
data2 = pd.DataFrame({'name': ['sravan', 'harsha', 'jyothika'],
'subject2': ['html', '.net', 'jsp'],
'marks': [89, 79, 80]})
# display
print(data1)
print(data2)
输出:
示例 1:用相等的索引连接数据帧
这将基于索引连接逐行数据。这里的两个数据帧索引是相同的。
Python 3
# import pandas module
import pandas as pd
# create dataframe
data1 = pd.DataFrame({'name': ['sravan', 'harsha', 'jyothika'],
'subject1': ['python', 'R', 'php'],
'marks': [96, 89, 90]})
# create dataframe
data2 = pd.DataFrame({'name': ['sravan', 'harsha', 'jyothika'],
'subject2': ['html', '.net', 'jsp'],
'marks': [89, 79, 80]})
# concat dataframes
pd.concat([data1, data2], axis=1)
输出:
示例 2:连接索引不相等的数据帧
在这种情况下，两个数据帧的索引是不相等的，当我们应用 concat()函数时，这将产生一个具有 NaN 值的新数据帧
Python 3
# import pandas module
import pandas as pd
# create dataframe
data1 = pd.DataFrame({'name': ['sravan', 'harsha', 'jyothika'],
'subject1': ['python', 'R', 'php'],
'marks': [96, 89, 90]}, index=[0, 1, 2])
# create dataframe
data2 = pd.DataFrame({'name': ['sravan', 'harsha', 'jyothika'],
'subject2': ['html', '.net', 'jsp'],
'marks': [89, 79, 80]}, index=[3, 4, 5])
# concat dataframes
pd.concat([data1, data2], axis=1)
输出:
为了删除这些 NaN 行，我们必须使用 reset_index()方法删除索引
语法:data frame . reset _ index(drop =真，inplace =真)
示例:
Python 3
# import pandas module
import pandas as pd
# create dataframe
data1 = pd.DataFrame({'name': ['sravan', 'harsha', 'jyothika'],
'subject1': ['python', 'R', 'php'],
'marks': [96, 89, 90]}, index=[0, 1, 2])
# create dataframe
data2 = pd.DataFrame({'name': ['sravan', 'harsha', 'jyothika'],
'subject2': ['html', '.net', 'jsp'],
'marks': [89, 79, 80]}, index=[3, 4, 5])
# remove dataframe 1 indices
data1.reset_index(drop=True, inplace=True)
# remove dataframe 2 indices
data2.reset_index(drop=True, inplace=True)
# concat dataframes
pd.concat([data1, data2], axis=1)
输出:
版权属于：月萌API www.moonapi.com，转载请注明出处
