pandas 在附加中格式化数据帧
声明：本页面是StackOverFlow热门问题的中英对照翻译，遵循CC BY-SA 4.0协议，如果您需要使用它，必须同样遵循CC BY-SA许可，注明原文地址和作者信息，同时你必须将它归于原作者（不是我）：StackOverFlow
原文地址: http://stackoverflow.com/questions/33346904/
Warning: these are provided under cc-by-sa 4.0 license. You are free to use/share it, But you must attribute it to the original authors (not me):
StackOverFlow
Formatting dataframe in appending
提问by eclairs
I want to append 2 dataframes:
我想附加 2 个数据帧：
data1:
a
1 a
2 b
3 c
4 d
5 e
data2:
b
1 f
2 g
3 h
4 i
5 j
output:
1 a
2 b
3 c
4 d
5 e
6 f
7 g
8 h
9 i
10 j
currently i am using:
目前我正在使用：
all_data= data1.append(data2, ignore_index=True)
this gives me result as:
这给了我结果：
a b
1 a
2 b
3 c
4 d
5 e
6 f
7 g
8 h
9 i
10 j
i.e. in different columns. How can i get them in the same column?
即在不同的列中。我怎样才能将它们放在同一列中？
Also tried converting the dataframes into list and then tring to append it. But it gave me the error:
还尝试将数据帧转换为列表，然后尝试附加它。但它给了我错误：
TypeError: append() takes no keyword arguments
Also, is there any other function to remove duplicates from the datarame of strings? The drop_duplicates() function does not work in my case. The data still has duplicates.
另外，是否还有其他函数可以从字符串的数据帧中删除重复项？drop_duplicates() 函数在我的情况下不起作用。数据仍然有重复。
回答by jrjc
You need to change one column name, so appendcan detect hat you want to do:
您需要更改一个列名，以便append可以检测到您想要做的事情：
data2.columns = ["a"]
or
或者
data1.columns = ["b"]
And then, after using data2.columns = ["a"]:
然后，使用后data2.columns = ["a"]：
all_data = data1.append(data2, ignore_index=True)
all_data
a
0 a
1 b
2 c
3 d
4 e
5 f
6 g
7 h
8 i
9 j
And here you have your column named after the column's name of data1, which you can rename if you want:
在这里，您的列以列的名称 data1 命名，您可以根据需要重命名：
all_data.columns = ["Foo"]
回答by Zero
mergeor concatwork on keys. In this case, there are no common columns. However, why not use numpy appendand create the dataframe?
merge或concat处理钥匙。在这种情况下，没有公共列。但是，为什么不使用numpy append和创建数据框？
In [68]: pd.DataFrame(pd.np.append(data1.values, data2.values), columns=['A'])
Out[68]:
A
0 a
1 b
2 c
3 d
4 e
5 f
6 g
7 h
8 i
9 j
回答by Nader Hisham
df1.columns = ['b']
Out[78]:
b
0 a
1 b
2 c
3 d
4 e
pd.concat([df1 , df2] , ignore_index=True)
Out[80]:
b
0 a
1 b
2 c
3 d
4 e
5 f
6 g
7 h
8 i
9 j
