可能是一個(gè)簡(jiǎn)單的問題，我已經(jīng)搜索過但找不到解決方案。我的代碼是這樣的data_df = pd.DataFrame([ ['2012-02-22', '3', 'a', 6], ['2012-02-23', '3.2', 'g', 8], ['2012-02-24', '5.2', 'l', 2], ['2012-02-25', '1.4', 'i', 4]], columns=['date', '1', '2', '3'])dict_a = { 'a': np.array([False, True, False, False], dtype='bool'), 'b': np.array([True, True, False, False], dtype='bool'), 'c': np.array([False, True, True, False], dtype='bool'),}我想要一個(gè)像這樣的 df 1 2 3 a b cdate 2012-02-22 3 a 6 False True False2012-02-23 3.2 g 8 True True True2012-02-24 5.2 l 2 False False True2012-02-25 1.4 i 4 False False False到目前為止，我發(fā)現(xiàn)的最好的方法就是這個(gè)，但對(duì)我來(lái)說(shuō)這似乎很老套data_df = data_df.set_index('date')df_dict = pd.DataFrame.from_dict(dict_a)df_dict['date'] = data_df.indexdf_dict = df_dict.set_index('date')df_new = pd.merge(data_df, df_dict, left_index=True, right_index=True)有更快/更好的方法來(lái)實(shí)現(xiàn)它嗎？
4 回答
斯蒂芬大帝
TA貢獻(xiàn)1827條經(jīng)驗(yàn) 獲得超8個(gè)贊
pd.concaton axis=1，然后設(shè)置索引
pd.concat((data_df,pd.DataFrame(dict_a)),axis=1).set_index("date")
1 2 3 a b c
date
2012-02-22 3 a 6 False True False
2012-02-23 3.2 g 8 True True True
2012-02-24 5.2 l 2 False False True
2012-02-25 1.4 i 4 False False False
精慕HU
TA貢獻(xiàn)1845條經(jīng)驗(yàn) 獲得超8個(gè)贊
為什么不簡(jiǎn)單地：
for keys in dict_a: data_df[keys]=dict_a[keys]
請(qǐng)注意，dict 中的數(shù)據(jù)長(zhǎng)度必須等于 dataframe 中的數(shù)據(jù)長(zhǎng)度
茅侃侃
TA貢獻(xiàn)1842條經(jīng)驗(yàn) 獲得超22個(gè)贊
用途join：
data_df.join(pd.DataFrame(dict_a)).set_index('date')
1 2 3 a b c
date
2012-02-22 3 a 6 False True False
2012-02-23 3.2 g 8 True True True
2012-02-24 5.2 l 2 False False True
2012-02-25 1.4 i 4 False False False
富國(guó)滬深
TA貢獻(xiàn)1790條經(jīng)驗(yàn) 獲得超9個(gè)贊
嘗試DataFrame.assign：
data_df.assign(**dict_a)
date 1 2 3 a b c
0 2012-02-22 3 a 6 False True False
1 2012-02-23 3.2 g 8 True True True
2 2012-02-24 5.2 l 2 False False True
3 2012-02-25 1.4 i 4 False False False
添加回答
舉報(bào)
0/150
提交
取消