<\/p>\n
U kunt de volgende basissyntaxis gebruiken om kolommen samen te voegen in een Panda DataFrame die dezelfde kolomnaam delen:<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we de volgende panda’s DataFrame hebben:<\/span><\/p>\n Merk op dat twee kolommen de naam ‚A‘ hebben en twee kolommen de naam ‚B‘.<\/span><\/p>\n We kunnen de volgende code gebruiken om kolommen met dezelfde kolomnamen samen te voegen en hun waarden samen te voegen met een komma:<\/span><\/p>\n Het nieuwe DataFrame voegde kolommen met dezelfde namen samen en voegde hun waarden samen met een komma.<\/span><\/p>\n Als u een ander scheidingsteken wilt gebruiken, vervangt u eenvoudigweg het kommascheidingsteken door iets anders in de functie same_merge()<\/strong> .<\/span><\/p>\n De volgende code laat bijvoorbeeld zien hoe u in plaats daarvan een puntkommascheidingsteken gebruikt:<\/span><\/p>\n Het nieuwe DataFrame voegde kolommen met dezelfde namen samen en voegde hun waarden samen met een puntkomma.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:<\/span><\/p>\n Hoe dubbele kolommen in Pandas te verwijderen<\/a> U kunt de volgende basissyntaxis gebruiken om kolommen samen te voegen in een Panda DataFrame die dezelfde kolomnaam delen: #define function to merge columns with same names together def same_merge (x): return ‚ , ‚. join (x[ x.notnull ()]. astype (str)) #define new DataFrame that merges columns with same names together df_new = df. groupby […]<\/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-3952","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n #define function to merge columns with same names together\n<\/span>def<\/span> same_merge<\/span> (x): return<\/span> ' ,<\/span> '. join<\/span> (x[ x.notnull<\/span> ()]. astype<\/span> (str))\n\n#define new DataFrame that merges columns with same names together\n<\/span>df_new = df. groupby<\/span> (level= 0<\/span> , axis= 1<\/span> ). apply<\/span> ( lambda<\/span> x: x.apply<\/span> (same_merge,axis= 1<\/span> ))<\/strong><\/pre>\n Voorbeeld: kolommen met dezelfde naam samenvoegen in Panda’s<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' A<\/span> ': [5, 6, 8, np.nan, 4, np.nan, np.nan],\n ' A1<\/span> ': [np.nan, 12, np.nan, 10, np.nan, 6, 4],\n ' B<\/span> ': [2, 7, np.nan, np.nan, 2, 4, np.nan],\n ' B1<\/span> ': [5, np.nan, 6, 15, 1, np.nan, 4]})\n\n#rename columns so there are duplicate column names\n<\/span>df. columns<\/span> = [' A<\/span> ', ' A<\/span> ', ' B<\/span> ', ' B<\/span> ']\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n AABB\n0 5.0 NaN 2.0 5.0\n1 6.0 12.0 7.0 NaN\n2 8.0 NaN NaN 6.0\n3 NaN 10.0 NaN 15.0\n4 4.0 NaN 2.0 1.0\n5 NaN 6.0 4.0 NaN\n6 NaN 4.0 NaN 4.0<\/span><\/span><\/strong><\/pre>\n #define function to merge columns with same names together\n<\/span>def<\/span> same_merge<\/span> (x): return<\/span> ' ,<\/span> '. join<\/span> (x[ x.notnull<\/span> ()]. astype<\/span> (str))\n\n#define new DataFrame that merges columns with same names together\n<\/span>df_new = df. groupby<\/span> (level= 0<\/span> , axis= 1<\/span> ). apply<\/span> ( lambda<\/span> x: x.apply<\/span> (same_merge,axis= 1<\/span> ))\n\n#view new DataFrame\n<\/span>print<\/span> (df_new)\n\n AB\n0 5.0 2.0,5.0\n1 6.0,12.0 7.0\n2 8.0 6.0\n3 10.0 15.0\n4 4.0 2.0,1.0\n5 6.0 4.0\n6 4.0 4.0<\/strong><\/pre>\n #define function to merge columns with same names together\n<\/span>def<\/span> same_merge<\/span> (x): return<\/span> ' ;<\/span> '. join<\/span> (x[ x.notnull<\/span> ()]. astype<\/span> (str))\n\n#define new DataFrame that merges columns with same names together\n<\/span>df_new = df. groupby<\/span> (level= 0<\/span> , axis= 1<\/span> ). apply<\/span> ( lambda<\/span> x: x.apply<\/span> (same_merge,axis= 1<\/span> ))\n\n#view new DataFrame\n<\/span>print<\/span> (df_new)\n\n AB\n0 5.0 2.0;5.0\n1 6.0;12.0 7.0\n2 8.0 6.0\n3 10.0 15.0\n4 4.0 2.0;1.0\n5 6.0 4.0\n6 4.0 4.0\n<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe u alle kolomnamen in Panda’s kunt weergeven<\/a>
Hoe kolommen op naam te sorteren in Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"