Cześć Chcę dołączyć dwie wartości kolumn do jednej kolumny, coś jak pokazano poniżej w pandach. Czy ktoś może mi w tym pomóc?

| t1   | t2   | v1 | v2 |
|------|------|----|----|
| 0.0  | 10   | 1  | -1 |
| 0.42 | 0.78 | 1  | -1 |

nowa ramka danych

| t1,t2 combined | v1,v2 combined |
|----------------|----------------|
| 0.0            | 1              |
| 0.42           | 1              |
| 10             | -1             |
| 0.78           | -1             |
1
Tarun Luthra 20 grudzień 2019, 02:02
Tarun, jeśli ktoś rozwiązał Twoje pytanie, sprawdź: meta.stackexchange.com/questions/5234/… i witaj w stackoverflow
 – 
oppressionslayer
22 grudzień 2019, 05:29

3 odpowiedzi

Pd.wide_to_long powinno działać:

df['value'] = list(range(0,2))
pd.wide_to_long(df, stubnames=['t', 'v'], i='value', j='dropme', sep='').reset_index().drop(columns=['value', 'dropme'])                                                           

       t  v
0   0.00  1
1   0.42  1
2  10.00 -1
3   0.78 -1
4
oppressionslayer 20 grudzień 2019, 02:16

Jeśli szukasz jednej wkładki, to

df[['t1', 'v1']].append(df[['t2', 'v2']].rename(columns={'t2': 't1', 'v2': 'v1'}), ignore_index=True)
0
Ali Faizan 20 grudzień 2019, 02:49

Myślę, że słowo, którego szukasz, to konkatenacja.

data = [ 
    [0.0, 10, 1, -1], 
    [0.42, 0.78, 1, -1]
]
df = pd.DataFrame(data, columns=['t1', 't2', 'v1', 'v2'])
v1 = df.set_index('t1')['v1'].rename('v')
v1.index.name = 't'
v2 = df.set_index('t2')['v2'].rename('v')
v2.index.name = 't'
combined = pd.concat([v1, v2])
print(combined)

Wynik:

t
0.00     1
0.42     1
10.00   -1
0.78    -1
Name: v, dtype: int64

Okazuje się, że nie musisz dopasowywać indeksu i nazw kolumn podczas łączenia serii. W ten sposób uzyskuje się wynik w ustawieniu, w którym istnieje n zestawów spójnie nazwanych kolumn:

combined = pd.concat([df.set_index(f"t{i}")[f"v{i}"] for i in range(1, 3)])
print(combined)

Wynik:

0.00     1
0.42     1
10.00   -1
0.78    -1
dtype: int64

Jedyną różnicą jest to, że wynikowy szereg nie ma nazwy.

0
Bill 20 grudzień 2019, 02:51