Python pandas dataframe concat正在提供不需要的NA/NaN列
与此示例中的水平方向不同，我尝试垂直方向：Python pandas dataframe concat正在提供不需要的NA/NaN列,python,pandas,dataframe,concat,na,Python,Pandas,Dataframe,Concat,Na,与此示例中的水平方向不同，我尝试垂直方向： import pandas a=[['Date', 'letters', 'numbers', 'mixed'], ['1/2/2014', 'a', '6', 'z1'], ['1/2/2014', 'a', '3', 'z1'], ['1/3/2014', 'c', '1', 'x3']] df = pandas.DataFrame.from_records(a[1:],columns=a[0]) f=[] for i in range(0,le
import pandas
a=[['Date', 'letters', 'numbers', 'mixed'], ['1/2/2014', 'a', '6', 'z1'], ['1/2/2014', 'a', '3', 'z1'], ['1/3/2014', 'c', '1', 'x3']]
df = pandas.DataFrame.from_records(a[1:],columns=a[0])
f=[]
for i in range(0,len(df)):
f.append(df['Date'][i] + ' ' + df['letters'][i])
df['new']=f
c=[x for x in range(0,5)]
b=[]
b += [['NA'] * (5 - len(b))]
df_a = pandas.DataFrame.from_records(b,columns=c)
df_b=pandas.concat([df,df_a], ignore_index=True)
df_bdf_b=pandas.concat（[df，df_a]，轴=0）相同
结果:
0 1 2 3 4 Date letters mixed new numbers
0 NaN NaN NaN NaN NaN 1/2/2014 a z1 1/2/2014 a 6
1 NaN NaN NaN NaN NaN 1/2/2014 a z1 1/2/2014 a 3
2 NaN NaN NaN NaN NaN 1/3/2014 c x3 1/3/2014 c 1
0 NA NA NA NA NA NaN NaN NaN NaN NaN
期望的：
Date letters numbers mixed new
0 1/2/2014 a 6 z1 1/2/2014 a
1 1/2/2014 a 3 z1 1/2/2014 a
2 1/3/2014 c 1 x3 1/3/2014 c
0 NA NA NA NA NA
我会直接用正确的列创建一个数据框df_a
通过对代码进行一点重构，它将
import pandas
a=[['Date', 'letters', 'numbers', 'mixed'], \
['1/2/2014', 'a', '6', 'z1'],\
['1/2/2014', 'a', '3', 'z1'],\
['1/3/2014', 'c', '1', 'x3']]
df = pandas.DataFrame.from_records(a[1:],columns=a[0])
df['new'] = df['Date'] + ' ' + df['letters']
n = len(df.columns)
b = [['NA'] * n]
df_a = pandas.DataFrame.from_records(b,columns=df.columns)
df_b = pandas.concat([df,df_a])
它给
Date letters numbers mixed new
0 1/2/2014 a 6 z1 1/2/2014 a
1 1/2/2014 a 3 z1 1/2/2014 a
2 1/3/2014 c 1 x3 1/3/2014 c
0 NA NA NA NA NA
最终：
df_b = pandas.concat([df,df_a]).reset_index(drop=True)
它给
Date letters numbers mixed new
0 1/2/2014 a 6 z1 1/2/2014 a
1 1/2/2014 a 3 z1 1/2/2014 a
2 1/3/2014 c 1 x3 1/3/2014 c
3 NA NA NA NA NA
我会直接用正确的列创建一个数据框df_a
通过对代码进行一点重构，它将
import pandas
a=[['Date', 'letters', 'numbers', 'mixed'], \
['1/2/2014', 'a', '6', 'z1'],\
['1/2/2014', 'a', '3', 'z1'],\
['1/3/2014', 'c', '1', 'x3']]
df = pandas.DataFrame.from_records(a[1:],columns=a[0])
df['new'] = df['Date'] + ' ' + df['letters']
n = len(df.columns)
b = [['NA'] * n]
df_a = pandas.DataFrame.from_records(b,columns=df.columns)
df_b = pandas.concat([df,df_a])
它给
Date letters numbers mixed new
0 1/2/2014 a 6 z1 1/2/2014 a
1 1/2/2014 a 3 z1 1/2/2014 a
2 1/3/2014 c 1 x3 1/3/2014 c
0 NA NA NA NA NA
最终：
df_b = pandas.concat([df,df_a]).reset_index(drop=True)
它给
Date letters numbers mixed new
0 1/2/2014 a 6 z1 1/2/2014 a
1 1/2/2014 a 3 z1 1/2/2014 a
2 1/3/2014 c 1 x3 1/3/2014 c
3 NA NA NA NA NA
我会直接用正确的列创建一个数据框df_a
通过对代码进行一点重构，它将
import pandas
a=[['Date', 'letters', 'numbers', 'mixed'], \
['1/2/2014', 'a', '6', 'z1'],\
['1/2/2014', 'a', '3', 'z1'],\
['1/3/2014', 'c', '1', 'x3']]
df = pandas.DataFrame.from_records(a[1:],columns=a[0])
df['new'] = df['Date'] + ' ' + df['letters']
n = len(df.columns)
b = [['NA'] * n]
df_a = pandas.DataFrame.from_records(b,columns=df.columns)
df_b = pandas.concat([df,df_a])
它给
Date letters numbers mixed new
0 1/2/2014 a 6 z1 1/2/2014 a
1 1/2/2014 a 3 z1 1/2/2014 a
2 1/3/2014 c 1 x3 1/3/2014 c
0 NA NA NA NA NA
最终：
df_b = pandas.concat([df,df_a]).reset_index(drop=True)
它给
Date letters numbers mixed new
0 1/2/2014 a 6 z1 1/2/2014 a
1 1/2/2014 a 3 z1 1/2/2014 a
2 1/3/2014 c 1 x3 1/3/2014 c
3 NA NA NA NA NA
我会直接用正确的列创建一个数据框df_a
通过对代码进行一点重构，它将
import pandas
a=[['Date', 'letters', 'numbers', 'mixed'], \
['1/2/2014', 'a', '6', 'z1'],\
['1/2/2014', 'a', '3', 'z1'],\
['1/3/2014', 'c', '1', 'x3']]
df = pandas.DataFrame.from_records(a[1:],columns=a[0])
df['new'] = df['Date'] + ' ' + df['letters']
n = len(df.columns)
b = [['NA'] * n]
df_a = pandas.DataFrame.from_records(b,columns=df.columns)
df_b = pandas.concat([df,df_a])
它给
Date letters numbers mixed new
0 1/2/2014 a 6 z1 1/2/2014 a
1 1/2/2014 a 3 z1 1/2/2014 a
2 1/3/2014 c 1 x3 1/3/2014 c
0 NA NA NA NA NA
最终：
df_b = pandas.concat([df,df_a]).reset_index(drop=True)
它给
Date letters numbers mixed new
0 1/2/2014 a 6 z1 1/2/2014 a
1 1/2/2014 a 3 z1 1/2/2014 a
2 1/3/2014 c 1 x3 1/3/2014 c
3 NA NA NA NA NA
如果您使用的是最新版本，这将满足您的需求
df.ix[len(df), :]='NA'
编辑：
或者，如果您想要concat，当您定义df_a
时，使用df的列作为列
df_a = pandas.DataFrame.from_records(b,columns=df.columns)
如果您使用的是最新版本，这将满足您的需求
df.ix[len(df), :]='NA'
编辑：
或者，如果您想要concat，当您定义df_a
时，使用df的列作为列
df_a = pandas.DataFrame.from_records(b,columns=df.columns)
如果您使用的是最新版本，这将满足您的需求
df.ix[len(df), :]='NA'
编辑：
或者，如果您想要concat，当您定义df_a
时，使用df的列作为列
df_a = pandas.DataFrame.from_records(b,columns=df.columns)
如果您使用的是最新版本，这将满足您的需求
df.ix[len(df), :]='NA'
编辑：
或者，如果您想要concat，当您定义df_a
时，使用df的列作为列
df_a = pandas.DataFrame.from_records(b,columns=df.columns)
另外，当你得到df['new']
有一个更简单的方法：df['new']=df['Date']+'+df['new'].
还有一个更简单的方法：df['new']=df['Date']+'+df['letters'.
还有一个更简单的方法：df['new']=df'+]
另外，当您获得df['new']
时，有一种更简单的方法：df['new']=df['Date']+''+df['letters']