それによって、それをチェックし、index
と呼ばれている。また、チェック
print (df.index)
Int64Index([102, 301, 302], dtype='int64', name='vo_11')
docs:
パンダオブジェクト内の軸ラベルの情報があります、多くの目的:
表しますデータ(つまり、解析、ビジュアライゼーション、対話型コンソール表示に重要な既知のインジケータを使用して)
-Ena BLES自動と明示的なデータ・アラインメント
許可しますが取得し、必要性の両方DataFrames
のインデックスによってmerge
場合は、データのサブセットの設定が
を設定し、直感的な:
df = pd.merge(df1, df2, left_index=True, right_index=True)
またはconcat
を使用します。
df = pd.concat([df1, df2], axis=1)
通知:
マッチングのために10
は、同じタイプのインデックスを必要 - int
又はobject
両方(明らかstring
)
サンプル:
df1 = pd.DataFrame({
'Column1': {302: 10, 301: 21, 102: 2},
'Column2': {302: 0, 301: 0, 102: 0}})
print (df1)
Column1 Column2
102 2 0
301 21 0
302 10 0
df2 = pd.DataFrame({
'Column1': {302: 4, 301: 5, 304: 6},
'Column2': {302: 0, 301: 0, 304: 0}})
print (df2)
Column1 Column2
301 5 0
302 4 0
304 6 0
df = pd.merge(df1, df2, left_index=True, right_index=True)
print (df)
Column1_x Column2_x Column1_y Column2_y
301 21 0 5 0
302 10 0 4 0
df = pd.merge(df1, df2, left_index=True, right_index=True, how='outer')
print (df)
Column1_x Column2_x Column1_y Column2_y
102 2.0 0.0 NaN NaN
301 21.0 0.0 5.0 0.0
302 10.0 0.0 4.0 0.0
304 NaN NaN 6.0 0.0
df = pd.concat([df1, df2], axis=1)
print (df)
Column1 Column2 Column1 Column2
102 2.0 0.0 NaN NaN
301 21.0 0.0 5.0 0.0
302 10.0 0.0 4.0 0.0
304 NaN NaN 6.0 0.0
df = pd.concat([df1, df2], axis=1, join='inner')
print (df)
Column1 Column2 Column1 Column2
301 21 0 5 0
302 10 0 4 0
をそれをインデックスと呼ばれています。 'dfimp.reset_index(inplace = True)'を呼び出すことで、新しいカラムを割り当てることができます(したがって、新しい単調インデックスを作成することができます)。古いインデックスを失い、新しい単調インデックスを取得したい場合は、 'drop = True 'をリセットインデックス関数に渡します。 –