<\/p>\n
La funzione cbind<\/strong> in R, abbreviazione di column-bind<\/em> , pu\u00f2 essere utilizzata per combinare insieme i frame di dati in base alle loro colonne.<\/span><\/p>\n Possiamo usare la funzione pandas concat()<\/a> per eseguire la funzione equivalente in Python:<\/span><\/p>\n I seguenti esempi mostrano come utilizzare questa funzione nella pratica.<\/span><\/p>\n Supponiamo di avere i seguenti due DataFrames panda:<\/span><\/p>\n Possiamo usare la funzione concat()<\/strong> per collegare rapidamente questi due DataFrame tramite le loro colonne:<\/span><\/p>\n Supponiamo di avere i seguenti due DataFrames panda:<\/span><\/p>\n Si noti che i due DataFrame non hanno gli stessi valori di indice.<\/span><\/p>\n Se proviamo a utilizzare la funzione concat()<\/strong> per collegarli insieme, otterremo il seguente risultato:<\/span><\/p>\n Questo non \u00e8 il risultato che volevamo.<\/span><\/p>\n Per risolvere questo problema, dobbiamo prima reimpostare l’indice di ciascun DataFrame prima di concatenarli insieme:<\/span><\/p>\n Nota che questo DataFrame corrisponde a quello ottenuto nell’esempio precedente.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre operazioni comuni in Python:<\/span><\/p>\n Come unire due DataFrames Panda su index La funzione cbind in R, abbreviazione di column-bind , pu\u00f2 essere utilizzata per combinare insieme i frame di dati in base alle loro colonne. Possiamo usare la funzione pandas concat() per eseguire la funzione equivalente in Python: df3 = pd. concat ([df1, df2], axis= 1 ) I seguenti esempi mostrano come utilizzare questa funzione nella […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n df3 = pd. concat<\/span> ([df1, df2], axis= 1<\/span> )\n<\/strong><\/pre>\n Esempio 1: utilizzare cbind in Python con valori di indice uguali<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#define DataFrames\ndf1 = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E'],\n ' points<\/span> ': [99, 91, 104, 88, 108]})\n\nprint<\/span> (df1)\n\n team points\n0 to 99\n1 B 91\n2 C 104\n3 D 88\n4 E 108\n\ndf2 = pd. DataFrame<\/span> ({' assists<\/span> ': ['A', 'B', 'C', 'D', 'E'],\n ' rebounds<\/span> ': [22, 19, 25, 33, 29]})\n\nprint<\/span> (df2)\n\n rebound assists\n0 to 22\n1 B 19\n2 C 25\n3 D 33\n4 E 29\n<\/span><\/span><\/strong><\/pre>\n #column-bind two DataFrames into new DataFrame\ndf3 = pd. concat<\/span> ([df1, df2], axis= 1<\/span> )\n\n#view resulting DataFrame<\/span>\ndf3\n\n\tteam points assists rebounds\n0 to 99 to 22\n1 B 91 B 19\n2 C 104 C 25\n3 D 88 D 33\n4 E 108 E 29<\/span><\/span><\/strong><\/pre>\n Esempio 2: utilizzo di cbind in Python con valori di indice diversi<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#define DataFrames\ndf1 = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E'],\n ' points<\/span> ': [99, 91, 104, 88, 108]})\n\nprint<\/span> (df1)\n\n team points\n0 to 99\n1 B 91\n2 C 104\n3 D 88\n4 E 108\n\ndf2 = pd. DataFrame<\/span> ({' assists<\/span> ': ['A', 'B', 'C', 'D', 'E'],\n ' rebounds<\/span> ': [22, 19, 25, 33, 29]})\n\ndf2. index<\/span> = [6, 7, 8, 9, 10]\n\nprint<\/span> (df2)\n\n rebound assists\n6 to 22\n7 B 19\n8 C 25\n9 D 33\n10 E 29\n<\/span><\/span><\/strong><\/pre>\n #attempt to column-bind two DataFrames\ndf3 = pd. concat<\/span> ([df1, df2], axis= 1<\/span> )\n\n#view resulting DataFrame\n<\/span>df3\n\n\tteam points assists rebounds\n0 to 99.0 NaN NaN\n1 B 91.0 NaN NaN\n2 C 104.0 NaN NaN\n3 D 88.0 NaN NaN\n4 E 108.0 NaN NaN\n6 NaN NaN A 22.0\n7 NaN NaN B 19.0\n8 NaN NaN C 25.0\n9 NaN NaN D 33.0\n10 NaN NaN E 29.0<\/span><\/span><\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#define DataFrames\ndf1 = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E'],\n ' points<\/span> ': [99, 91, 104, 88, 108]})\n\ndf2 = pd. DataFrame<\/span> ({' assists<\/span> ': ['A', 'B', 'C', 'D', 'E'],\n ' rebounds<\/span> ': [22, 19, 25, 33, 29]})\n\ndf2. index<\/span> = [6, 7, 8, 9, 10]\n\n#reset index of each DataFrame\n<\/span>df1. reset_index<\/span> (drop= True<\/span> , place= True<\/span> )\ndf2. reset_index<\/span> (drop= True<\/span> , place= True<\/span> )\n\n#column-bind two DataFrames\n<\/span>df3 = pd. concat<\/span> ([df1, df2], axis= 1<\/span> )\n\n#view resulting DataFrame\n<\/span>df3\n\n\tteam points assists rebounds\n0 to 99 to 22\n1 B 91 B 19\n2 C 104 C 25\n3 D 88 D 33\n4 E 108 E 29<\/span><\/span><\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come unire Pandas DataFrames su pi\u00f9 colonne<\/a>
Come eseguire una CERCA.VERT in Panda<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"