Question

例如： An example for what I'm expecting to get

在我的真实数据中，尽管我连接了两个具有相同行号的DF，但是新DF的行比我要连接的两个DF多。

df_numeric = df.iloc[:,0:10]
numeric_cols = df_numeric.columns.tolist()
df_categorial = df.iloc[:,10:]
from sklearn.preprocessing import Normalizer
transformer = Normalizer().fit(df_numeric)  # fit does nothing.
df_numeric = transformer.transform(df_numeric)
df_numeric = pd.DataFrame(df_numeric)
df_numeric.columns = numeric_cols 
df= pd.concat([df_numeric , df_categorial] , axis = 1  )

我得到： my real DF after the concat

我尝试了Vincent所说的话：

df_numeric.reset_index(inplace=True, drop=True) 
df_categorial.reset_index(inplace=True, drop=True) 
df = pd.concat([df_numeric , df_categorial] , axis = 1  )

我认为现在可以了。我不明白为什么在统计上会出现问题- 在我整理索引之前，它们在两个DF中都是相同的

Answer 1

您可以使用merge来做到这一点。这是一个示例：

将熊猫作为pd导入

df_numeric = pd.DataFrame(
    {
        'index' : [1,2,3],
        'age': [13,60,30],
        'weight': [50, 80, 70]
    }
)

df_categorical = pd.DataFrame(
    {
        'index' : [1,2,3],
        'has_car': [1,1,1],
        'has_pet': [1, 0, 0],
        'has_brother': [1, 1, 0]
    }
)

df = df_numeric.merge(df_categorical, on='index')
print(df)

将具有相同行号的两个DF连接起来会创建一个具有不同行号的新DF

1 个答案: