如何在 Pandas DataFrame 中连接列值？

Pandas 是一个功能强大的 Python 数据处理和分析库。它提供各种用于处理和转换数据的函数和工具，包括连接 Pandas DataFrame 中列值的功能。

在 Pandas DataFrame 中，列表示数据的变量或特征。连接列值涉及将两列或多列的值组合成一列。这对于创建新变量、合并来自不同来源的数据或格式化用于分析的数据很有用。

要连接 Pandas DataFrame 中的列值，可以使用 pd.Series.str.cat() 方法。此方法沿特定轴使用指定的间隔符连接两个或多个序列。str.cat() 方法可以与 apply() 函数一起使用，将其应用于 DataFrame 的每一行。

Pandas 中还有其他几种方法和函数可用于连接列值，包括 pd.concat() 函数、pd.Series.str.join() 方法以及使用不同分隔符或字符串的 pd.Series.str.cat() 方法。每种方法都有其自身的优缺点，具体取决于具体的用例。

在本教程中，我们将探讨 Pandas 中可用于连接 DataFrame 中列值的各种方法和函数。我们将为每种方法提供分步说明和代码示例，以及对每种方法的优缺点进行讨论。在本教程结束时，您将全面了解如何在 Pandas DataFrame 中连接列值，以及哪种方法最适合您的特定用例。

现在让我们考虑两种可以在 Panda 数据框中连接列值的方法。

使用 pd.Series.str.cat() 方法连接列值

  • 在您的 DataFrame 中创建一个新列来存储连接的值。

  • 使用 pd.Series.str.cat() 方法连接要组合的列的值。

  • 使用“sep”参数指定要在连接的值之间使用的分隔符。

  • 使用 apply() 方法将连接函数应用于 DataFrame 的每一行。

现在我们已经用要点讨论了这种方法，让我们在代码中使用它。

示例

请考虑以下所示的代码。

import pandas as pd
from tabulate import tabulate

# Create a sample DataFrame
df = pd.DataFrame({
   'Name': ['John', 'Jane', 'Bob'],
   'Age': [25, 30, 35],
   'Country': ['USA', 'Canada', 'Mexico']
})

# Create a new column for concatenated values
df['Name_Age_Country'] = ''

# Define a function to concatenate the columns
def concatenate_columns(row):
   """
   Concatenate the values in the 'Name', 'Age',
   and 'Country' columns with a separator of '|'.
   """
   return row['Name'] + '|' + str(row['Age']) + '|' + row['Country']

# Apply the function to each row of the DataFrame
df['Name_Age_Country'] = df.apply(concatenate_columns, axis=1)

# Print the original DataFrame and the concatenated DataFrame
print('Original DataFrame:\n')
print(tabulate(df[['Name', 'Age', 'Country']], headers='keys', tablefmt='psql'))
print('\nConcatenated DataFrame:\n')
print(tabulate(df[['Name_Age_Country']], headers='keys', tablefmt='psql'))

输出

执行此代码后，您将获得以下输出 -

观察原始数据框以及我们连接列后的外观。现在让我们考虑第二种方法。

使用 pd.concat() 方法连接列值

首先创建一个要连接的列列表。

  • 使用 pd.concat() 函数沿您选择的轴（即列或行）连接列。

  • 使用 sep 参数指定要在连接的值之间使用的分隔符。

  • 使用 rename() 方法重命名新的连接列。

  • 使用 drop() 方法删除最初连接的列。

示例

请考虑以下所示的代码。

import pandas as pd
from tabulate import  tabulate

# Create a sample DataFrame
df = pd.DataFrame({
   'Name': ['John', 'Jane', 'Bob'],
   'Age': [25, 30, 35],
   'Country': ['USA', 'Canada', 'Mexico']
})
print("\nOriginal Dataframe:")
print(tabulate(df, headers='keys', tablefmt='psql'))

# Concatenate the columns using the pd.concat() function
concatenated_cols = pd.concat(
   [df['Name'], df['Age'], df['Country']],
   axis=1, keys=['Name', 'Age', 'Country']
)
concatenated_cols['Name_Age_Country'] = concatenated_cols['Name'] + '|' + concatenated_cols['Age'].astype(str) + '|' + concatenated_cols['Country']

# Rename the concatenated column and drop the original columns
df = pd.concat([df, concatenated_cols['Name_Age_Country']], axis=1)
df = df.rename(columns={'Name_Age_Country': 'Name|Age|Country'})
df = df.drop(columns=['Name', 'Age', 'Country'])

# Print the original DataFrame and the concatenated DataFrame
print('\nConcatenated Dataframe:')
print(tabulate(df, headers='keys', tablefmt='psql'))

输出

执行此代码后，您将获得以下输出 -

Explore our latest online courses and learn new skills at your own pace. Enroll and become a certified expert to boost your career.

结论

总之，Pandas 提供了几种连接 DataFrame 中列值的方法。在本教程中讨论了两种方法：使用 pd.Series.str.cat() 方法和使用 pd.concat() 函数。

根据您的具体用例，其中一种方法可能比另一种方法更合适。通过利用 Pandas 的灵活性和强大功能，您可以轻松地操作和转换数据以满足您的需求。

更新于： 2023-09-28

6K+ 次查看

启动您的 职业生涯

通过完成课程获得认证

开始
广告