使用pandas忽略行列索引,縱向拼接多個dataframe
更新時間：2021年03月26日 10:16:18 作者：呆萌的代Ma
這篇文章主要介紹了使用pandas忽略行列索引,縱向拼接多個dataframe的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
從wind上面搞到一批股票數(shù)據(jù)后發(fā)現(xiàn)：本來是一個類型的數(shù)據(jù)，但是由于季度不同，列名也不同，導致使用pandas合并多個報表的時候總是出現(xiàn)一大堆NaN，所以這里我寫了一個函數(shù)，專門針對這樣的表
它的思路是：
生成一堆單詞，然后把這些表的列索引全部替換為這些單詞，然后調(diào)用 pd.concat() 把這些dataframe全部合并后再把列索引改回來，當然，這里也可以手動指定列索引。
使用方法見代碼的最后一行，傳入一個dataframe的list就可以了。
import pandas as pd from random import Random # 隨機生成一堆單詞作為公共的列名 def random_list(random_str_count, randomlengtd=6): result_list = [] random = Random() chars = "qwertyuiopasdfghjklzxcvbnm" for str_count in range(random_str_count): ranstr = "" lengtd = len(chars) - 1 for str_lengtd in range(randomlengtd): ranstr += chars[random.randint(0, lengtd)] result_list.append(ranstr) return result_list def combine_as_data_location(pd_list, columns=''): if not pd_list: return None old_columns = pd_list[0].columns if columns: new_columns = columns else: new_columns = random_list(pd_list[0].shape[1]) for data_df in pd_list: # data is pandas Dataframe data_df.columns = new_columns result_df = pd.concat(pd_list, ignore_index=True) if columns: return result_df else: result_df.columns = old_columns return result_df result_df = combine_as_data_location([df1,df2,df3])
補充：pandas.concat實現(xiàn)豎著拼接、橫著拼接DataFrame
1、concat豎著拼接（默認的豎著，axis=0）
話不多說，直接看例子：
import pandas as pd df1=pd.DataFrame([10,12,13]) df2=pd.DataFrame([22,33,44,55]) df3=pd.DataFrame([90,94])
df1
| 0 | |
|---|---|
| 0 | 10 |
| 1 | 12 |
| 2 | 13 |
df2
| 0 | |
|---|---|
| 0 | 22 |
| 1 | 33 |
| 2 | 44 |
| 3 | 55 |
df3
| 0 | |
|---|---|
| 0 | 90 |
| 1 | 94 |
res= pd.concat([df1,df2,df3]) res
| 0 | |
|---|---|
| 0 | 10 |
| 1 | 12 |
| 2 | 13 |
| 0 | 22 |
| 1 | 33 |
| 2 | 44 |
| 3 | 55 |
| 0 | 90 |
| 1 | 94 |
如果要生成新索引，忽略原來索引怎么辦？
默認有個參數(shù)ignore_index= False，將其值改為True:
res2= pd.concat([df1,df2,df3], ignore_index=True) res2
| 0 | |
|---|---|
| 0 | 10 |
| 1 | 12 |
| 2 | 13 |
| 3 | 22 |
| 4 | 33 |
| 5 | 44 |
| 6 | 55 |
| 7 | 90 |
| 8 | 94 |
2、concat橫著拼接
用參數(shù)axis= 1，看例子：
res_heng= pd.concat([df1,df2,df3], axis=1) res_heng
| 0 | 0 | 0 | |
|---|---|---|---|
| 0 | 10.0 | 22 | 90.0 |
| 1 | 12.0 | 33 | 94.0 |
| 2 | 13.0 | 44 | NaN |
| 3 | NaN | 55 | NaN |
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
相關(guān)文章
numpy.transpose()實現(xiàn)數(shù)組的轉(zhuǎn)置例子
今天小編就為大家分享一篇numpy.transpose()實現(xiàn)數(shù)組的轉(zhuǎn)置例子，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-12-12
這篇文章主要介紹了python網(wǎng)絡(luò)編程,有不錯的借鑒價值,需要的朋友可以參考下2014-09-09
python2：print語句，語句就意味著可以直接跟要打印的東西而python3：print函數(shù)，函數(shù)就以為這必須要加上括號才能調(diào)用。下面通過本文給大家介紹python2與python3的簡單區(qū)別,感興趣的朋友跟隨小編一起看看吧2018-09-09
這篇文章主要介紹了python 基礎(chǔ)教程之Map使用方法的相關(guān)資料,這里附有簡單使用實例，需要的朋友可以參考下2017-01-01
python采集百度搜索結(jié)果帶有特定URL的鏈接代碼實例
這篇文章主要介紹了python采集百度搜索結(jié)果帶有特定URL的鏈接代碼實例,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-08-08
Python數(shù)據(jù)類型之Dict字典實例詳解
這篇文章主要介紹了Python數(shù)據(jù)類型之Dict字典,結(jié)合具體實例形式詳細分析了Python字典的概念、原理、定義、元素添加、刪除、遍歷等相關(guān)操作技巧,需要的朋友可以參考下2019-05-05
這篇文章主要是關(guān)于深度學習的簡介，對大家學習了解機器深度學習有一定的幫助，以后會持續(xù)更新本系列，希望能為大家?guī)硪恍┦肇?，讓我們一起來看看下面的文章?/div> 2021-04-04
Pygame游戲開發(fā)之太空射擊實戰(zhàn)子彈與碰撞處理篇
相信大多數(shù)8090后都玩過太空射擊游戲，在過去游戲不多的年代太空射擊自然屬于經(jīng)典好玩的一款了，今天我們來自己動手實現(xiàn)它，在編寫學習中回顧過往展望未來，下面開始講解子彈與碰撞處理，在本課中，我們將添加玩家與敵人之間的碰撞，以及添加供玩家射擊的子彈2022-08-08
Pandas是Python中一個強大的數(shù)據(jù)處理庫,它提供了許多功能強大的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)分析工具,在本文中,我們將介紹Pandas的基本概念和如何使用它生成一個包含今天到未來20個工作日的日期列表的Excel文件,需要的朋友可以參考下2023-11-11
這篇文章主要為大家詳細介紹了Python如何使用Pillow實現(xiàn)圖像的基本變化處理，文中的示例代碼講解詳細，具有一定的學習價值，需要的可以了解一下2022-10-10最新評論