如果我有数据框,
df1 = pd.DataFrame(
{
"A": ["A0", "A1", "A2", "A3"],
"B": ["B0", "B1", "B2", "B3"],
"C": ["C0", "C1", "C2", "C3"],
"D": ["D0", "D1", "D2", "D3"],
},
index=[0, 1, 2, 3],)
df2 = pd.DataFrame(
{
"A": ["A4", "A5", "A6", "A7"],
"B": ["B4", "B5", "B6", "B7"],
"C": ["C4", "C5", "C6", "C7"],
"D": ["D4", "D5", "D6", "D7"],
},
index=[4,5,6,7],)
我想使用 pd.concat 将这两个数据帧组合为
dfnew = pd.concat([df1.loc[0],
df1.loc[1],
df1.loc[2],
df1.loc[3],
df2.loc[4],
df2.loc[5],
df2.loc[6],
df2.loc[7]],
axis=0,sort=False)
dfnew = dfnew.to_frame().transpose()
dfnew 是一个 1 行 x 32 列的数据框。 但是我在 df1 和 df2 中有很多行,或者我想在循环中组合 df1 和 df2 的不同行数怎么样?我可以对 concat .loc[] 部分做什么?或者还有其他方法可以做到这一点吗?
谢谢您。
最佳答案
IIUC,您可以堆叠
各个数据帧、连接
并 reshape :
dfnew = pd.concat([df1.stack(), df2.stack()]).droplevel(0).to_frame().T
输出:
A B C D A B C D A B C D A B C D A B C D A B C D A B C D A B C D
0 A0 B0 C0 D0 A1 B1 C1 D1 A2 B2 C2 D2 A3 B3 C3 D3 A4 B4 C4 D4 A5 B5 C5 D5 A6 B6 C6 D6 A7 B7 C7 D7
关于python - 如何在Python中使用concat将数据帧的每一行转换为新列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/71321630/