1.1 方法歸納

• 使用 + 直接將多列合并為一列（合并列較少）；
• 使用pandas.Series.str.cat方法，將多列合并為一列（合并列較多）；

范例如下：

dataframe["newColumn"] = dataframe["age"].map(str) + dataframe["phone"] + dataframe["address”]
#或者
dataframe["newColumn"] = dataframe["age"].map(str).str.cat([dataframe["phone"],dataframe["address”]],sep='-',na_rep='?')

注意事項(xiàng)：

• 參與合并的列的數(shù)據(jù)類(lèi)型必須為str類(lèi)型，int和float等數(shù)值類(lèi)型需先轉(zhuǎn)化為str；
• 參與合并的列的長(zhǎng)度必須相同（即：行數(shù)），否則報(bào)錯(cuò)，但使用pandas.Series.str.cat方法，可通過(guò)指定參數(shù)join={‘left’, ‘right’, ‘outer’, ‘inner’}，實(shí)現(xiàn)長(zhǎng)度不相等的列合并；
• 參與合并的列的各行元素均不為NaN，否則，只要有一列的對(duì)應(yīng)行元素為NaN，則合并結(jié)果中該行將為NaN，但使用pandas.Series.str.cat方法，可通過(guò)指定參數(shù)na_rep='-'，將各列中缺失行元素填充為‘-’，從而保留合并列的所有行元素；

1.2 .str.cat函數(shù)詳解

1.2.1 語(yǔ)法格式：

# pandas.Series.str.cat語(yǔ)法如下：
Series.str.cat(others=None, sep=None, na_rep=None, join=None)

1.2.2 參數(shù)說(shuō)明：

others ： 準(zhǔn)備合并的字符串列表，其數(shù)據(jù)類(lèi)型可以為：Series, Index, DataFrame, np.ndarrary（N元數(shù)組） or list-like（類(lèi)似列表）

備注： 由于默認(rèn)join=None，所以欲合并的兩個(gè)（多個(gè)）字符串列表必須具有相同的長(zhǎng)度，否則需設(shè)置參數(shù)join= {‘left’, ‘right’, ‘outer’, ‘inner’}，來(lái)控制多個(gè)字符串列表的合并方式。

（1）如果others=None（即：字符串列表df[col_1]不與其他字符串列表合并），結(jié)果將不傳遞其他值，而是將df[col_1]的所有值都連接成一個(gè)字符串；（詳見(jiàn)范例1-1）

（2）如果others≠None（即：指定了與字符串列表df[col_1]合并的其他字符串列表df[col_2]），結(jié)果將用分隔符把df[col_1]與df[col_2]對(duì)應(yīng)的行值連接在一起， 返回Series。（詳見(jiàn)范例1-2）

sep：合并結(jié)果中不同元素/列之間的分隔符。默認(rèn)情況下，使用空字符串’ ’ 。
na_rep：為所有缺失值插入的內(nèi)容，其數(shù)據(jù)類(lèi)型可以為：str或None，默認(rèn)na_rep=None

備注：

（1）如果na_rep=None，則多個(gè)合并列中只要有一列的對(duì)應(yīng)行元素為NaN，合并結(jié)果中該行元素將為NaN；
（2）如果na_rep=‘str’(str需自定義)，則合并列中各缺失行元素將被填充為‘str’，合并結(jié)果將保留合并列的所有行元素；

join ：確定連接方式，其可能的取值為：{‘left’, ‘right’, ‘outer’, ‘inner’}，默認(rèn)join=None

1.2.3 核心功能：

• 將Series中的多個(gè)字符串[‘a’, ‘b’, ‘c’]拼接為一個(gè)字符串’a b c’（字符串拼接）
• 將DataFrame中的兩（多）列df[col_1]和df[col_2]合并為一列（多列合并）

備注： pandas.Series.str.cat僅適用于str類(lèi)型的數(shù)據(jù)，int和float等數(shù)值型需先轉(zhuǎn)化為str型，才可調(diào)用此方法。
int型轉(zhuǎn)為str的方法：

1、df[‘Price’]=df[‘Price’].map(lambda x: str(x))
2、df[‘Price’]=df[‘Price’].map(str)
3、df[‘Price’]=df[‘Price’].astype(‘str’)

若要同時(shí)將多列合并為一列，需引入列表list來(lái)指定準(zhǔn)備合并的列，例如：

df[col_1].str.cat([df[col_2],df[col_3],df[col_4]],sep='-')

1.2.4 常見(jiàn)范例：

import numpy as np
import pandas as pd
#創(chuàng)建原始數(shù)據(jù)
s=pd.Series(['a','b',np.nan,'d'])
>>>
s
0      a
1      b
2    NaN
3      d
# other=None時(shí)，調(diào)用s.str.cat()，可將series轉(zhuǎn)為用分隔符sep分隔的字符串,缺失項(xiàng)將被省略
s1=s.str.cat(sep=' ')
>>>
s1
'a b d'
# other=None時(shí)，指定na_rep='?'，結(jié)果將保留原series中的缺失項(xiàng)，并用？代替
s2=s.str.cat(sep=' ',na_rep='?')
>>>
s2
'a b ? d'
# other≠None時(shí)，調(diào)用s.str.cat(),可將兩個(gè)字符串列表df[col_1]與df[col_2]合并為一列，結(jié)果用分隔符sep分隔各項(xiàng)元素,由于默認(rèn)na_rep=None,故合并時(shí)若df[col_1]與df[col_2]的對(duì)應(yīng)行元素有一個(gè)為NaN，則合并后該行元素值將為None，結(jié)果返回Series
s3=s.str.cat(['A','B','C','D'],sep=',')
>>>
s3
0    a,A
1    b,B
2    NaN
3    d,D
#  other≠None時(shí)，調(diào)用s.str.cat(),可將兩個(gè)字符串列表df[col_1]與df[col_2]合并為一列，指定na_rep='-',故合并結(jié)果將保留df[col_1]與df[col_2]的所有行，且將df[col_1]與df[col_2]的缺失項(xiàng)填充為‘-'
s4=s.str.cat(['A','B','C','D'],sep=',',na_rep='-')
>>>
s4
0    a,A
1    b,B
2    -,C
3    d,D
# 欲合并的字符串列表df[col_1]與df[col_2]的索引不同時(shí)，需指定參數(shù)join，確定連接方式
t=pd.Series(['d','a','e','c'],index=[3,0,4,2])
s_1=s.str.cat(t,join='left',na_rep='-')
>>>
s_1
0    aa
1    b-
2    -c
3    dd
s_2=s.str.cat(t,join='outer',na_rep='-')
>>>
s_2
0    aa
1    b-
2    -c
3    dd
4    -e
s_3=s.str.cat(t,join='inner',na_rep='-')
>>>
s_3
0    aa
2    -c
3    dd
s_4=s.str.cat(t,join='right',na_rep='-')
>>>
s_4
3    dd
0    aa
4    -e
2    -c

到此這篇關(guān)于pandas將DataFrame的幾列數(shù)據(jù)合并成為一列的文章就介紹到這了,更多相關(guān)pandas DataFrame列合并內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論