Wie kombiniere ich zwei Datenrahmen?

Ich verwende Pandas-Datenrahmen. Ich habe zum Beispiel einen ersten Datenrahmen D. Ich extrahiere zwei Datenrahmen daraus:

A = D[D.label == k]
B = D[D.label != k]

dann ändere ich die beschriftung in AundB

A.label = 1
B.label = -1

Ich möchte A und B kombinieren, damit ich sie als einen Datenrahmen haben kann, so etwas wie eine Gewerkschaftsoperation. Die Reihenfolge der Daten ist nicht wichtig. Wenn wir jedoch A und B von D abtasten, behalten sie ihre Indizes von D bei.

Ich glaube, Sie können die appendMethode anwenden

bigdata = data1.append(data2, ignore_index=True)

Um ihre Indizes zu behalten, verwenden Sie einfach nicht das ignore_indexSchlüsselwort ...

Sie können auch pd.concatFolgendes verwenden , was besonders hilfreich ist, wenn Sie mehr als zwei Datenrahmen verbinden:

bigdata = pd.concat([data1, data2], ignore_index=True, sort=False)

Ich dachte, dies hier hinzuzufügen, falls jemand es nützlich findet. @ostrokach hat bereits erwähnt, wie Sie die Datenrahmen zeilenübergreifend zusammenführen können

df_row_merged = pd.concat([df_a, df_b], ignore_index=True)

Zum Zusammenführen über Spalten hinweg können Sie die folgende Syntax verwenden:

df_col_merged = pd.concat([df_a, df_b], axis=1)

Es gibt eine andere Lösung für den Fall, dass Sie mit Big Data arbeiten und mehrere Datensätze verketten müssen. concatkann leistungsintensiv werden. Wenn Sie also nicht jedes Mal eine neue df erstellen möchten, können Sie stattdessen ein Listenverständnis verwenden :

frames = [ process_file(f) for f in dataset_files ]
result = pd.append(frames)

(wie hier in den Dokumenten am Ende des Abschnitts erwähnt):

Hinweis : Es ist jedoch anzumerken, dass concat(und daher append) eine vollständige Kopie der Daten erstellt wird und dass die ständige Wiederverwendung dieser Funktion zu einem erheblichen Leistungseinbruch führen kann. Wenn Sie die Operation für mehrere Datensätze verwenden müssen, verwenden Sie ein Listenverständnis.

Wenn Sie die Werte des ersten Datenrahmens df1durch die Werte des zweiten Datenrahmens aktualisieren / ersetzen möchten df2. Sie können dies tun, indem Sie die folgenden Schritte ausführen:

Schritt 1: Index des ersten Datenrahmens festlegen (df1)

df1.set_index('id')

Schritt 2: Index des zweiten Datenrahmens festlegen (df2)

df2.set_index('id')

und aktualisieren Sie schließlich den Datenrahmen mit dem folgenden Snippet -

df1.update(df2)

1. Datenrahmen

train.shape

Ergebnis:-

(31962, 3)

2. Datenrahmen

test.shape

Ergebnis:-

(17197, 2)

Kombinieren

new_data=train.append(test,ignore_index=True)

Prüfen

new_data.shape

Ergebnis:-

(49159, 3)