快捷導(dǎo)航

使用pandas忽略行列索引,縱向拼接多個(gè)dataframe

更新時(shí)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(gè)dataframe的操作，具有很好的參考價(jià)值，希望對(duì)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(gè)類型的數(shù)據(jù)，但是由于季度不同，列名也不同，導(dǎo)致使用pandas合并多個(gè)報(bào)表的時(shí)候總是出現(xiàn)一大堆NaN，所以這里我寫了一個(gè)函數(shù)，專門針對(duì)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(dāng)然，這里也可以手動(dòng)指定列索引。

使用方法見代碼的最后一行，傳入一個(gè)dataframe的list就可以了。

import pandas as pd
from random import Random 
 
# 隨機(jī)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(bǔ)充：pandas.concat實(shí)現(xiàn)豎著拼接、橫著拼接DataFrame

1、concat豎著拼接（默認(rèn)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(rèn)有個(gè)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(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教。

您可能感興趣的文章:

相關(guān)文章

numpy.transpose()實(shí)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(shí)現(xiàn)數(shù)組的轉(zhuǎn)置例子，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
2019-12-12
python網(wǎng)絡(luò)編程實(shí)例簡(jiǎn)析
這篇文章主要介紹了python網(wǎng)絡(luò)編程,有不錯(cuò)的借鑒價(jià)值,需要的朋友可以參考下
2014-09-09
淺述python2與python3的簡(jiǎn)單區(qū)別
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(hào)才能調(diào)用。下面通過本文給大家介紹python2與python3的簡(jiǎn)單區(qū)別,感興趣的朋友跟隨小編一起看看吧
2018-09-09
python 基礎(chǔ)教程之Map使用方法
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(jiǎn)單使用實(shí)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(shí)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(shí)例,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)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(shí)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(shí)例形式詳細(xì)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
理解深度學(xué)習(xí)之深度學(xué)習(xí)簡(jiǎn)介
這篇文章主要是關(guān)于深度學(xué)習(xí)的簡(jiǎn)介，對(duì)大家學(xué)習(xí)了解機(jī)器深度學(xué)習(xí)有一定的幫助，以后會(huì)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(shí)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(dòng)手實(shí)現(xiàn)它，在編寫學(xué)習(xí)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
Python使用Pandas生成日?qǐng)?bào)的實(shí)現(xiàn)代碼
Pandas是Python中一個(gè)強(qiáng)大的數(shù)據(jù)處理庫,它提供了許多功能強(qiáng)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(gè)包含今天到未來20個(gè)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
Python使用Pillow實(shí)現(xiàn)圖像基本變化
這篇文章主要為大家詳細(xì)介紹了Python如何使用Pillow實(shí)現(xiàn)圖像的基本變化處理，文中的示例代碼講解詳細(xì)，具有一定的學(xué)習(xí)價(jià)值，需要的可以了解一下
2022-10-10