كيفية استخدام cbind في python (أي ما يعادل r)

يمكن استخدام الدالة cbind في لغة R، وهي اختصار لـ column-bind ، لدمج إطارات البيانات معًا بواسطة أعمدتها.

يمكننا استخدام الدالة pandas concat() ‎ لأداء الوظيفة المكافئة في Python:

 df3 = pd. concat ([df1, df2], axis= 1 )

توضح الأمثلة التالية كيفية استخدام هذه الوظيفة عمليًا.

مثال 1: استخدم cbind في Python بقيم فهرس متساوية

لنفترض أن لدينا إطاري بيانات الباندا التاليين:

 import pandas as pd

#define DataFrames
df1 = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E'],
                    ' points ': [99, 91, 104, 88, 108]})

print (df1)

  team points
0 to 99
1 B 91
2 C 104
3 D 88
4 E 108

df2 = pd. DataFrame ({' assists ': ['A', 'B', 'C', 'D', 'E'],
                    ' rebounds ': [22, 19, 25, 33, 29]})

print (df2)

  rebound assists
0 to 22
1 B 19
2 C 25
3 D 33
4 E 29

يمكننا استخدام الدالة concat() لربط إطاري البيانات هذين معًا بسرعة من خلال أعمدتهما:

 #column-bind two DataFrames into new DataFrame
df3 = pd. concat ([df1, df2], axis= 1 )

#view resulting DataFrame
df3

	team points assists rebounds
0 to 99 to 22
1 B 91 B 19
2 C 104 C 25
3 D 88 D 33
4 E 108 E 29

مثال 2: استخدام cbind في Python مع قيم فهرس غير متساوية

لنفترض أن لدينا إطاري بيانات الباندا التاليين:

 import pandas as pd

#define DataFrames
df1 = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E'],
                    ' points ': [99, 91, 104, 88, 108]})

print (df1)

  team points
0 to 99
1 B 91
2 C 104
3 D 88
4 E 108

df2 = pd. DataFrame ({' assists ': ['A', 'B', 'C', 'D', 'E'],
                    ' rebounds ': [22, 19, 25, 33, 29]})

df2. index = [6, 7, 8, 9, 10]

print (df2)

   rebound assists
6 to 22
7 B 19
8 C 25
9 D 33
10 E 29

لاحظ أن DataFrames اثنين ليس لهما نفس قيم الفهرس.

إذا حاولنا استخدام الدالة concat() لربطهما معًا، فسنحصل على النتيجة التالية:

 #attempt to column-bind two DataFrames
df3 = pd. concat ([df1, df2], axis= 1 )

#view resulting DataFrame
df3

	team points assists rebounds
0 to 99.0 NaN NaN
1 B 91.0 NaN NaN
2 C 104.0 NaN NaN
3 D 88.0 NaN NaN
4 E 108.0 NaN NaN
6 NaN NaN A 22.0
7 NaN NaN B 19.0
8 NaN NaN C 25.0
9 NaN NaN D 33.0
10 NaN NaN E 29.0

هذه ليست النتيجة التي أردناها.

لحل هذه المشكلة، نحتاج أولاً إلى إعادة تعيين فهرس كل DataFrame قبل ربطها معًا:

 import pandas as pd

#define DataFrames
df1 = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E'],
                    ' points ': [99, 91, 104, 88, 108]})

df2 = pd. DataFrame ({' assists ': ['A', 'B', 'C', 'D', 'E'],
                    ' rebounds ': [22, 19, 25, 33, 29]})

df2. index = [6, 7, 8, 9, 10]

#reset index of each DataFrame
df1. reset_index (drop= True , place= True )
df2. reset_index (drop= True , place= True )

#column-bind two DataFrames
df3 = pd. concat ([df1, df2], axis= 1 )

#view resulting DataFrame
df3

	team points assists rebounds
0 to 99 to 22
1 B 91 B 19
2 C 104 C 25
3 D 88 D 33
4 E 108 E 29

لاحظ أن DataFrame هذا يطابق الإطار الذي حصلنا عليه في المثال السابق.

مصادر إضافية

تشرح البرامج التعليمية التالية كيفية تنفيذ العمليات الشائعة الأخرى في بايثون:

كيفية دمج اثنين من إطارات بيانات Pandas في ملف Index
كيفية دمج Pandas DataFrames عبر أعمدة متعددة
كيفية عمل VLOOKUP في الباندا