如何在 Pandas DataFrame 中連線列值？

---

Pandas 是一個功能強大的 Python 資料處理和分析庫。它提供各種用於處理和轉換資料的函式和工具，包括連線 Pandas DataFrame 中列值的功能。

在 Pandas DataFrame 中，列表示資料的變數或特徵。連線列值涉及將兩列或多列的值組合成一列。這對於建立新變數、合併來自不同來源的資料或格式化用於分析的資料很有用。

要連線 Pandas DataFrame 中的列值，可以使用 pd.Series.str.cat() 方法。此方法沿特定軸使用指定的間隔符連線兩個或多個序列。str.cat() 方法可以與 apply() 函式一起使用，將其應用於 DataFrame 的每一行。

Pandas 中還有其他幾種方法和函式可用於連線列值，包括 pd.concat() 函式、pd.Series.str.join() 方法以及使用不同分隔符或字串的 pd.Series.str.cat() 方法。每種方法都有其自身的優缺點，具體取決於具體的用例。

在本教程中，我們將探討 Pandas 中可用於連線 DataFrame 中列值的各種方法和函式。我們將為每種方法提供分步說明和程式碼示例，以及對每種方法的優缺點進行討論。在本教程結束時，您將全面瞭解如何在 Pandas DataFrame 中連線列值，以及哪種方法最適合您的特定用例。

現在讓我們考慮兩種可以在 Panda 資料框中連線列值的方法。

使用 pd.Series.str.cat() 方法連線列值

• 在您的 DataFrame 中建立一個新列來儲存連線的值。

• 使用 pd.Series.str.cat() 方法連線要組合的列的值。

• 使用“sep”引數指定要在連線的值之間使用的分隔符。

• 使用 apply() 方法將連線函式應用於 DataFrame 的每一行。

現在我們已經用要點討論了這種方法，讓我們在程式碼中使用它。

示例

請考慮以下所示的程式碼。

import pandas as pd
from tabulate import tabulate

# Create a sample DataFrame
df = pd.DataFrame({
   'Name': ['John', 'Jane', 'Bob'],
   'Age': [25, 30, 35],
   'Country': ['USA', 'Canada', 'Mexico']
})

# Create a new column for concatenated values
df['Name_Age_Country'] = ''

# Define a function to concatenate the columns
def concatenate_columns(row):
   """
   Concatenate the values in the 'Name', 'Age',
   and 'Country' columns with a separator of '|'.
   """
   return row['Name'] + '|' + str(row['Age']) + '|' + row['Country']

# Apply the function to each row of the DataFrame
df['Name_Age_Country'] = df.apply(concatenate_columns, axis=1)

# Print the original DataFrame and the concatenated DataFrame
print('Original DataFrame:\n')
print(tabulate(df[['Name', 'Age', 'Country']], headers='keys', tablefmt='psql'))
print('\nConcatenated DataFrame:\n')
print(tabulate(df[['Name_Age_Country']], headers='keys', tablefmt='psql'))

輸出

執行此程式碼後，您將獲得以下輸出 -

觀察原始資料框以及我們連線列後的外觀。現在讓我們考慮第二種方法。

使用 pd.concat() 方法連線列值

首先建立一個要連線的列列表。

• 使用 pd.concat() 函式沿您選擇的軸（即列或行）連線列。

• 使用 sep 引數指定要在連線的值之間使用的分隔符。

• 使用 rename() 方法重新命名新的連線列。

• 使用 drop() 方法刪除最初連線的列。

示例

請考慮以下所示的程式碼。

import pandas as pd
from tabulate import  tabulate

# Create a sample DataFrame
df = pd.DataFrame({
   'Name': ['John', 'Jane', 'Bob'],
   'Age': [25, 30, 35],
   'Country': ['USA', 'Canada', 'Mexico']
})
print("\nOriginal Dataframe:")
print(tabulate(df, headers='keys', tablefmt='psql'))

# Concatenate the columns using the pd.concat() function
concatenated_cols = pd.concat(
   [df['Name'], df['Age'], df['Country']],
   axis=1, keys=['Name', 'Age', 'Country']
)
concatenated_cols['Name_Age_Country'] = concatenated_cols['Name'] + '|' + concatenated_cols['Age'].astype(str) + '|' + concatenated_cols['Country']

# Rename the concatenated column and drop the original columns
df = pd.concat([df, concatenated_cols['Name_Age_Country']], axis=1)
df = df.rename(columns={'Name_Age_Country': 'Name|Age|Country'})
df = df.drop(columns=['Name', 'Age', 'Country'])

# Print the original DataFrame and the concatenated DataFrame
print('\nConcatenated Dataframe:')
print(tabulate(df, headers='keys', tablefmt='psql'))

輸出

執行此程式碼後，您將獲得以下輸出 -

結論

總之，Pandas 提供了幾種連線 DataFrame 中列值的方法。在本教程中討論了兩種方法：使用 pd.Series.str.cat() 方法和使用 pd.concat() 函式。

根據您的具體用例，其中一種方法可能比另一種方法更合適。透過利用 Pandas 的靈活性和強大功能，您可以輕鬆地操作和轉換資料以滿足您的需求。