如何連接pandas.DataFrames列

Question

我有一個數據幀稱爲raw_df：

columns = ['force0', 'distance0', 'force1', 'distance1'] 

raw_data = [{'force0': 1.2, 'distance0': 0.0, 'force1': 0.5, 'distance1': 0.0}, 
      {'force0': 1.3, 'distance0': 0.1, 'force1': 0.6, 'distance1': 0.0}, 
      {'force0': 1.4, 'distance0': 0.2, 'force1': 0.7, 'distance1': 0.3}, 
      {'force0': 1.5, 'distance0': 0.5, 'force1': 0.8, 'distance1': 0.6}] 

raw_df = pd.DataFrame(raw_data, columns=columns) 

raw_df看起來是這樣的：

force0 distance0 force1 distance1 
0  1.2  0.0  0.5  0.0 
1  1.3  0.1  0.6  0.0 
2  1.4  0.2  0.7  0.3 
3  1.5  0.5  0.8  0.6 

目前沒有指標，但我想的距離列合併爲一個索引，所以列是：

  force0 force1 
distance     
0.0   1.2  0.5 
0.0   NaN. 0.6 
0.1   1.3  NaN 
0.2   1.4  NaN 
0.3   NaN  0.7 
0.5   1.5  NaN 
0.6   NaN  0.8 

請注意，distance1 = 0.0時force1中有2個條目。

索引（距離）不應該排序：它們增加然後可變地減少，並且每個測試的原始順序是重要的。

Stefan對我描述不清的問題發表了一個驚人的答案，但它似乎用其他數字填補了任何失蹤的力量（這會誤導人，因爲這些測試中沒有對這些距離進行力測量）。我使用np.nan作爲缺失值，因爲我認爲這是pandas所做的。

我認爲merge或join可能會做我所需要的但不能理解的the docs。

也許pandas.DataFrame不是爲這樣的數據，我應該使用numpy.genfromtxt代替，只是選擇我需要在飛行中的列：我看不出有任何優勢，使用上飛一個pandas.DataFrame，如果我選擇列（因爲在這種情況下我沒有使用索引）。

感謝您的任何幫助。

Answer 1

我解決了使用MultiIndex DataFrame問題：使用pd.read_csv()

結合DataFrames

1. 閱讀每個測試到一個單獨的數據幀到一個使用df = pd.concat(frame_list, keys=test_names)

而不是寫在這裏長描述，我寫了a Jupyter notebook這個主題，比較了MultiIndex方法和保持DataFrame的標準Python列表。

Answer 2

如果我理解正確的話，你是從一個類似的情況開始：

columns = list(sum(list(zip(['Forces{}'.format(i) for i in range(4)], ['Distances{}'.format(i) for i in range(4)])),())) 
df = pd.DataFrame(np.random.randint(1, 11, size=(100, 8)), columns=columns) 

    Forces0 Distances0 Forces1 Distances1 Forces2 Distances2 Forces3 \ 
0  3   5  8   3  7   4  2 
1  1   4  10   9  9   3  6 
2  10   3  1   3  3   7  8 
3  2   1  3   6  10   10  10 
4  4   2  9   1  3   10  8 

    Distances3 
0   8 
1   5 
2   3 
3   8 
4   8 

和你的目標是有各種Distance列形成一個index而相應Forcecolumns remain in place. You could stack`的幀像這樣：

df.set_index([c for c in df.columns if c.startswith('Force')], inplace=True) 
df = df.stack().reset_index(level=-1, drop=True).reset_index().rename(columns={0: 'Distance'}) 
df.set_index(['Distance'], inplace=True) 

獲得：

  Forces0 Forces1 Forces2 Forces3 
Distance          
9    7  4  6  7 
9    7  4  6  7 
1    7  4  6  7 
6    7  4  6  7 
5    1  2  3  1