如何在 Python 中使用 cbind？

---

Python 是一种用途广泛的编程语言，它为程序员提供了各种模块和库来执行所需的任务。“cbind” 就是 Python 提供的一个强大的函数。它代表列绑定。“cbind” 是一种强大的工具，允许程序员在 Python 中按列组合、合并和分组数组、数据帧等。在本文中，我们将学习如何在 Python 中使用“cbind”。

使用 zip 和列表推导式

Zip 和列表推导式是 Python 中许多表达式中使用的两种非常流行的技术。zip 函数可以帮助组合来自不同可迭代对象的多个元素。另一方面，列表推导式是一种通过在一行中组合多个表达式、循环等来生成列表元素的技术。

语法

zip(iterable1, iterable2, other iterables……….)

zip 函数接受多个可迭代元素。这里 iterable1、iterable2、iterable3 等都是可迭代对象，例如列表等。zip 方法将返回一个包含所有组合元素的元组。可迭代对象不需要具有相同的维度。此外，可迭代对象可以是多种数据类型。

示例

在下面的示例中，我们创建了三列，分别命名为列 1、列 2 和列 3。接下来，我们使用列表推导式和 zip 方法生成一个列表。我们使用 zip 方法组合所有三个列表，并将元素追加到列表中。

column1 = [1, 2, 3]
column2 = [4, 5, 6]
column3 = [7, 8, 9]
combined = [list(t) for t in zip(column1, column2, column3)]
for row in combined:
    print(row)

输出

[1, 4, 7]
[2, 5, 8]
[3, 6, 9]

使用 numpy.concatenate() 方法

concatenate，顾名思义，有助于沿特定轴（行或列）连接数组。连接数组后，我们可以从结果中切片所需的元素。

示例

在下面的代码中，我们首先导入了 Numpy 库。我们创建了三个名为列 1、列 2 和列 3 的数组。我们使用 Numpy 的 concatenate 方法连接这些数组，并将结果存储在一个名为 combined 的变量中。接下来，我们遍历变量 combined 并打印行。

import numpy as np
column1 = np.array([1, 2, 3])
column2 = np.array([4, 5, 6])
column3 = np.array([7, 8, 9])
combined = np.concatenate((column1[:, np.newaxis], column2[:, np.newaxis], column3[:, np.newaxis]), axis=1)
for row in combined:
    print(row)

输出

[1 4 7]
[2 5 8]
[3 6 9]

使用 zip 和 * 运算符

如前所述，zip 方法有助于组合多个可迭代元素。另一方面，"*" 运算符是解包运算符，它有助于将可迭代元素解包成单独的值或参数。它可以用于许多上下文，例如函数调用、列表创建、变量赋值等。

示例

column1 = [1, 2, 3]
column2 = [4, 5, 6]
column3 = [7, 8, 9]
combined = [*zip(column1, column2, column3)]
for row in combined:
    print(row)

输出

(1, 4, 7)
(2, 5, 8)
(3, 6, 9)

使用 NumPy 的 cbind

NumPy 是 Python 中用于处理数值计算的流行库。它提供了一种简单的内置方法来执行“cbind”操作。

语法

result = np.c_[array1, array2, array3,......]

这里 array1、array2、array3 等是我们需要执行“cbind”操作的数组。我们可以使用 NumPy 上的单个或多个数组以及 c_ 方法。所有数组都应该具有相同的维度。否则，NumPy 将抛出错误。

示例

在下面的示例中，我们导入了 NumPy 数组并使用别名给它赋予了别名 np。接下来，我们使用 Numpy 的 array 方法创建了 array1 和 array2。接下来，我们对这两个数组执行了“cbind”操作并打印了结果。

该代码使用 c_ 方法执行列连接。虽然没有提到“cbind”，但该函数的功能与 R 等其他编程语言中的“cbind”完全相同。

import numpy as np
array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
result = np.c_[array1, array2]
print(result)

输出

[[1 4]
 [2 5]
 [3 6]]

使用 pandas 的 cbind

Pandas 是 Python 中一个强大的数据分析工具。Panda 有一个名为 concat 的内置函数来执行连接。我们只需要将一个名为 axis 的附加参数传递给函数即可按列执行操作。这与 R 等其他编程语言中的“cbind”具有相同的功能。

语法

result = pd.concat([df1, df2, df3, ….. ], axis=<1 or 0>)

示例

import pandas as pd
df1 = pd.DataFrame({'A': [1, 2, 3]})
df2 = pd.DataFrame({'B': [4, 5, 6]})
result = pd.concat([df1, df2], axis=1)
print(result)

输出

   A  B
0  1  4
1  2  5
2  3  6

结论

在本文中，我们了解了如何借助库中提供的函数在 Python 中执行“cbind”操作。NumPy 具有 c_ 方法，允许列连接。类似地，Pandas 具有 concat 方法来执行连接，我们可以使用它来执行“cbind”。