如何在python中使用rbind（相当于r）

R 中的rbind函数是row-bind的缩写，可用于按行将数据帧组合在一起。

我们可以使用 pandas concat()函数在 Python 中执行等效函数：

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

以下示例展示了如何在实践中使用此功能。

示例 1：在 Python 中使用 rbind 并具有相等的列

假设我们有以下两个 panda DataFrame：

 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 ': ['F', 'G', 'H', 'I', 'J'],
                    ' rebounds ': [91, 88, 85, 87, 95]})

print (df2)

  team points
0 F 91
1 G 88
2:85
3 I 87
4 days 95

我们可以使用concat()函数通过行快速将这两个 DataFrame 连接在一起：

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

#view resulting DataFrame
df3

	team points
0 to 99
1 B 91
2 C 104
3 D 88
4 E 108
0 F 91
1 G 88
2:85
3 I 87
4 days 95

注意，我们还可以使用reset_index()来重置新DataFrame的索引值：

 #row-bind two DataFrames and reset index values
df3 = pd. concat ([df1, df2]). reset_index (drop= True )

#view resulting DataFrame
df3

	team points
0 to 99
1 B 91
2 C 104
3 D 88
4 E 108
5 F 91
6 G 88
7:85 a.m.
8 I 87
9 D 95

示例 2：在 Python 中使用 rbind 和不等列

我们还可以使用concat()函数将两个列数不等的 DataFrame 链接在一起，任何缺失值都将简单地用 NaN 填充：

 import pandas as pd

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

df2 = pd. DataFrame ({' team ': ['F', 'G', 'H', 'I', 'J'],
                    ' points ': [91, 88, 85, 87, 95],
                    ' rebounds ': [24, 27, 27, 30, 35]})

#row-bind two DataFrames
df3 = pd. concat ([df1, df2]). reset_index (drop= True )

#view resulting DataFrame
df3

	team points rebounds
0 to 99 NaN
1 B 91 NaN
2 C 104 NaN
3 D 88 NaN
4 E 108 NaN
5 F 91 24.0
6G 88 27.0
7:85 AM 27.0
8 I 87 30.0
9 D 95 35.0

其他资源

以下教程解释了如何在 Python 中执行其他常见功能：

如何在Python中使用cbind（相当于R）
如何在 Pandas 中进行 VLOOKUP
如何删除 Pandas 中包含特定值的行