Jak używać cbind w pythonie (odpowiednik r)

Funkcja cbind w języku R, skrót od „kolumna-bind” , może służyć do łączenia ramek danych za pomocą ich kolumn.

Możemy użyć funkcji pandas concat() , aby wykonać równoważną funkcję w Pythonie:

 df3 = pd. concat ([df1, df2], axis= 1 )

Poniższe przykłady pokazują, jak w praktyce wykorzystać tę funkcję.

Przykład 1: Użyj cbind w Pythonie z równymi wartościami indeksu

Załóżmy, że mamy następujące dwie ramki danych pandy:

 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

Możemy użyć funkcji concat() , aby szybko połączyć te dwie ramki danych za pomocą ich kolumn:

 #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

Przykład 2: Używanie cbind w Pythonie z nierównymi wartościami indeksu

Załóżmy, że mamy następujące dwie ramki danych pandy:

 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

Należy pamiętać, że dwie ramki danych nie mają tych samych wartości indeksu.

Jeśli spróbujemy użyć funkcji concat() do połączenia ich ze sobą, otrzymamy następujący wynik:

 #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

To nie jest wynik, jakiego oczekiwaliśmy.

Aby rozwiązać ten problem, musimy najpierw zresetować indeks każdej ramki danych przed połączeniem ich razem:

 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

Zauważ, że ta ramka danych odpowiada tej, którą otrzymaliśmy w poprzednim przykładzie.

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe operacje w Pythonie:

Jak połączyć dwie ramki danych Pandas w pliku Index
Jak połączyć ramki danych Pandas w wielu kolumnach
Jak wykonać WYSZUKAJ.PIONOWO w Pandach