<\/p>\n
De cbind-<\/strong> functie in R, een afkorting van column-bind<\/em> , kan worden gebruikt om dataframes samen te combineren op basis van hun kolommen.<\/span><\/p>\n We kunnen de functie pandas concat()<\/a> gebruiken om de equivalente functie in Python uit te voeren:<\/span><\/p>\n De volgende voorbeelden laten zien hoe u deze functie in de praktijk kunt gebruiken.<\/span><\/p>\n Laten we aannemen dat we de volgende twee panda-dataframes hebben:<\/span><\/p>\n We kunnen de functie concat()<\/strong> gebruiken om deze twee DataFrames snel aan elkaar te koppelen via hun kolommen:<\/span><\/p>\n Laten we aannemen dat we de volgende twee panda-dataframes hebben:<\/span><\/p>\n Houd er rekening mee dat de twee DataFrames niet dezelfde indexwaarden hebben.<\/span><\/p>\n Als we de functie concat()<\/strong> proberen te gebruiken om ze aan elkaar te koppelen, krijgen we het volgende resultaat:<\/span><\/p>\n Dit is niet het resultaat dat we wilden.<\/span><\/p>\n Om dit probleem op te lossen, moeten we eerst de index van elk DataFrame opnieuw instellen voordat we ze samenvoegen:<\/span><\/p>\n Merk op dat dit DataFrame overeenkomt met het DataFrame dat we in het vorige voorbeeld hebben gekregen.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in Python uitvoert:<\/span><\/p>\n Hoe twee Pandas DataFrames op index samen te voegen De cbind- functie in R, een afkorting van column-bind , kan worden gebruikt om dataframes samen te combineren op basis van hun kolommen. We kunnen de functie pandas concat() gebruiken om de equivalente functie in Python uit te voeren: df3 = pd. concat ([df1, df2], axis= 1 ) De volgende voorbeelden laten zien hoe u […]<\/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":[],"class_list":["post-2355","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n df3 = pd. concat<\/span> ([df1, df2], axis= 1<\/span> )\n<\/strong><\/pre>\n Voorbeeld 1: Gebruik cbind in Python met gelijke indexwaarden<\/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 Voorbeeld 2: cbind gebruiken in Python met ongelijke indexwaarden<\/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 Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe Pandas DataFrames over meerdere kolommen samen te voegen<\/a>
Hoe u een VLOOKUP uitvoert in Panda’s<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"