Pandas：具有意外行为的Concat DataFrames

Question

我在Pandas做一些工作，并在使用pd.concat时出现奇怪的行为。具体来说，我有一个DataFrame，df，我对zipcode列进行单热编码。这就是我正在做的事情：

zip_encoded = label_binarizer.transform(df["zipcode"])        
zip_encoded = pd.DataFrame(zip_encoded, columns=label_binarizer.classes_)
df = df.drop("zipcode", axis=1)
print("df shape:", df.shape)
print("zip encoded shape:", zip_encoded.shape)
result = pd.concat([df, zip_encoded], axis=1)
print("result shape", result.shape)
return label_binarizer, result

这给出了以下输出：

df shape: (13999, 13)
zip encoded shape: (13999, 10)
result shape (14000, 23)

所以我只想尝试沿着列连接，我希望结果形状为(13999, 23)，但我看到的形状为(14000, 23)。

我使用我test_df上适合的LabelBinarizer对我的df做同样的事情。当我这样做时，我会得到更奇怪的东西：

df shape: (1000, 13)
zip encoded shape: (1000, 10)
result shape (2000, 23)

当我检查新的test_df时，所有非邮政编码列都填充了NaN ...

知道我做错了什么吗？

谢谢！

Answer 1

创建index

时，您可能需要从df添加zip_encoded

zip_encoded = label_binarizer.transform(df["zipcode"])        
zip_encoded = pd.DataFrame(zip_encoded, columns=label_binarizer.classes_,index=df.index)

然后做concat

df = df.drop("zipcode", axis=1)
result = pd.concat([df, zip_encoded], axis=1)

示例，你df索引可能不是从0到len(df)，当你创建df而没有设置index时，默认是从0到len(df)范围，这就是为什么在{ {1}}，形状不同

concat