我有两个具有不同索引的数据框
subject_ID,score,region,supplier
1001,27,AP,ABC
1002,35,AP,ABC
1003,29,ANZ,DEF
1004,35,ANZ,DEF
1005,30,KOREA,GHI
1006,34,KOREA,GHI
df = pd.read_clipboard(sep=',')
test_score,dumma,dummeel
217,23,45
315,43,65
219,12,46
315,17,87
310,19,97
314,23,63
df1 = pd.read_clipboard(sep=',')
s = pd.Series([11, 21, 31, 114,261,321])
df1.set_index([s],inplace=True)
基本上,两个数据帧的长度相等。
因此,第 1 行(索引 0)df
对应于 df1 中的索引 11。同样,df 中的索引 2 对应于 df1..so 中的索引 21
我想连接两个数据框并做熊猫融化操作
我尝试了以下但它不起作用
df2 = df1.reset_index(drop=True)
t2 = pd.concat([df, df2], axis=1)
pd.melt(t2, id_vars =['subject_ID'], value_vars =['score','region','supplier','test_score','dumma','dummeel'])
我希望我的输出如下
不知道你为什么要这样做,但这里是代码
pd.melt(df.join(df1), id_vars=['subject_ID'], value_vars=['score','region','supplier'])
subject_ID variable value
0 1001 score 27
1 1002 score 35
2 1003 score 29
3 1004 score 35
4 1005 score 30
5 1006 score 34
6 1001 region AP
7 1002 region AP
8 1003 region ANZ
9 1004 region ANZ
10 1005 region KOREA
11 1006 region KOREA
12 1001 supplier ABC
13 1002 supplier ABC
14 1003 supplier DEF
15 1004 supplier DEF
16 1005 supplier GHI
17 1006 supplier GHI
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句