Python Pandas - 忽略列名的不同列的 Concat 数据帧

Question

我有两个 pandas.DataFrames 我想合二为一。数据框具有相同数量的列，顺序相同，但具有不同语言的列标题。我怎样才能有效地组合这些数据帧？

df_ger
index  Datum   Zahl1   Zahl2
0      1-1-17  1       2
1      2-1-17  3       4

df_uk
index  Date    No1     No2
0      1-1-17  5       6
1      2-1-17  7       8

desired output
index  Datum   Zahl1   Zahl2
0      1-1-17  1       2
1      2-1-17  3       4
2      1-1-17  5       6
3      2-1-17  7       8

到目前为止，我想到的唯一方法是重命名列标题，然后使用 pd.concat([df_ger, df_uk], axis=0, ignore_index=True)。但是，我希望找到更通用的方法。

Answer 1

如果列总是以相同的顺序排列，您可以机械地rename the columns and the do an append像：

代码：

new_cols = {x: y for x, y in zip(df_uk.columns, df_ger.columns)}
df_out = df_ger.append(df_uk.rename(columns=new_cols))

测试代码：

df_ger = pd.read_fwf(StringIO(
    u"""
        index  Datum   Zahl1   Zahl2
        0      1-1-17  1       2
        1      2-1-17  3       4"""),
    header=1).set_index('index')

df_uk = pd.read_fwf(StringIO(
    u"""
        index  Date    No1     No2
        0      1-1-17  5       6
        1      2-1-17  7       8"""),
    header=1).set_index('index')

print(df_uk)
print(df_ger)

new_cols = {x: y for x, y in zip(df_uk.columns, df_ger.columns)}
df_out = df_ger.append(df_uk.rename(columns=new_cols))

print(df_out)

结果：

         Date  No1  No2
index                  
0      1-1-17    5    6
1      2-1-17    7    8

        Datum  Zahl1  Zahl2
index                      
0      1-1-17      1      2
1      2-1-17      3      4

        Datum  Zahl1  Zahl2
index                      
0      1-1-17      1      2
1      2-1-17      3      4
0      1-1-17      5      6
1      2-1-17      7      8

Answer 2

如果你能确定两个数据帧的结构保持不变，我看到两个选项：

保留所选默认语言的数据框列名称（我假设 en_GB）并将它们复制过来：
```
df_ger.columns = df_uk.columns
df_combined = pd.concat([df_ger, df_uk], axis=0, ignore_index=True)
```
无论列名是什么，这都有效。但是，从技术上讲，它仍然在重命名。

使用 numpy.ndarrays 将数据从数据帧中拉出，在 numpy 中将它们连接起来，然后再次从中创建数据帧：

np_ger_data = df_ger.as_matrix()
np_uk_data = df_uk.as_matrix()
np_combined_data = numpy.concatenate([np_ger_data, np_uk_data], axis=0)
df_combined = pd.DataFrame(np_combined_data, columns=["Date", "No1", "No2"])

此解决方案需要更多资源，因此我会选择第一个。

Answer 3

我不确定这是否会比您想象的更简单，但如果主要目标是针对一般情况，那么只要有一个假设就可以了：两个文件中的列匹配，例如，如果日期是第一列，翻译后的版本也是第一列。

# number of columns
n_columns = len(df_ger.columns)

# save final columns names
columns = df_uk.columns

# rename both columns to numbers
df_ger.columns = range(n_columns)
df_uk.columns = range(n_columns)

# concat columns
df_out = pd.concat([df_ger, df_uk], axis=0, ignore_index=True)

# rename columns in new dataframe
df_out.columns = columns

Answer 4

您可以concat数据帧值：

df = pd.DataFrame(np.vstack([df1.values, df2.values]), columns=df1.columns)
# or
df = pd.DataFrame(np.concatenate([df1.values, df2.values], axis=0), columns=df1.columns)

print(df)

  index   Datum Zahl1 Zahl2
0     0  1-1-17     1     2
1     1  2-1-17     3     4
2     0  1-1-17     5     6
3     1  2-1-17     7     8

如果要重新索引索引列

df['index'] = range(len(df))

print(df)

   index   Datum Zahl1 Zahl2
0      0  1-1-17     1     2
1      1  2-1-17     3     4
2      2  1-1-17     5     6
3      3  2-1-17     7     8

Python Pandas - 忽略列名的不同列的 Concat 数据帧

Python Pandas - Concat dataframes with different columns ignoring column names

python

concat

dataframe

pandas

代码：

测试代码：

结果：