Python တွင် cbind ကိုအသုံးပြုပုံ (r နှင့်ညီမျှသည်)
ကော်လံ-bind ၏ အတိုကောက်ဖြစ်သော R ရှိ cbind လုပ်ဆောင်ချက်ကို ၎င်းတို့၏ ကော်လံများဖြင့် ဒေတာဘောင်များကို ပေါင်းစပ်ရန်အတွက် အသုံးပြုနိုင်သည်။
Python တွင် တူညီသောလုပ်ဆောင်ချက်ကို လုပ်ဆောင်ရန် pandas concat() လုပ်ဆောင်ချက်ကို ကျွန်ုပ်တို့ အသုံးပြုနိုင်ပါသည်။
df3 = pd. concat ([df1, df2], axis= 1 )
အောက်ဖော်ပြပါ ဥပမာများသည် ဤလုပ်ဆောင်ချက်ကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။
ဥပမာ 1- တူညီသောအညွှန်းတန်ဖိုးများဖြင့် Python တွင် cbind ကိုသုံးပါ။
ကျွန်ုပ်တို့တွင် အောက်ပါ Panda DataFrames နှစ်ခုရှိသည်ဟု ယူဆကြပါစို့။
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
ဤ DataFrames နှစ်ခုကို ၎င်းတို့၏ ကော်လံများဖြင့် လျင်မြန်စွာ ချိတ်ဆက်ရန် concat() လုပ်ဆောင်ချက်ကို ကျွန်ုပ်တို့ အသုံးပြုနိုင်ပါသည်။
#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
ဥပမာ 2- မညီမျှသော အညွှန်းတန်ဖိုးများဖြင့် Python တွင် cbind ကိုအသုံးပြုခြင်း။
ကျွန်ုပ်တို့တွင် အောက်ပါ Panda DataFrames နှစ်ခုရှိသည်ဟု ယူဆကြပါစို့။
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
DataFrames နှစ်ခုတွင် တူညီသော အညွှန်းတန်ဖိုးများ မရှိကြောင်း သတိပြုပါ။
၎င်းတို့ကို ချိတ်ဆက်ရန် concat() လုပ်ဆောင်ချက်ကို အသုံးပြုပါက၊ အောက်ပါရလဒ်ကို ရရှိမည်ဖြစ်သည်။
#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
ဒါက ကျွန်တော်တို့ လိုချင်တဲ့ ရလဒ် မဟုတ်ပါဘူး။
ဤပြဿနာကိုဖြေရှင်းရန်၊ ကျွန်ုပ်တို့သည် ၎င်းတို့ကို အတူတကွ မပေါင်းစပ်မီ DataFrame တစ်ခုစီ၏ အညွှန်းကို ပြန်လည်သတ်မှတ်ရန် လိုအပ်သည်-
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
ဤ DataFrame သည် ယခင်နမူနာတွင် ကျွန်ုပ်တို့ရရှိထားသော အရာနှင့် ကိုက်ညီကြောင်း သတိပြုပါ။
ထပ်လောင်းအရင်းအမြစ်များ
အောက်ဖော်ပြပါ သင်ခန်းစာများသည် Python တွင် အခြားသော ဘုံလုပ်ဆောင်ချက်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-
အညွှန်းတွင် Pandas DataFrames နှစ်ခုကို ပေါင်းစပ်နည်း
ကော်လံအများအပြားတွင် Pandas DataFrames ကို ပေါင်းစည်းနည်း
Pandas တွင် VLOOKUP လုပ်နည်း