Python 将两个具有相同行数的DFs连接起来将创建一个具有不同行数的新DFs

例如：

在我的实际数据中，尽管我用相同的行号连接了两个DFs，但新DF的行数比我连接的两个多

df_numeric = df.iloc[:,0:10]
numeric_cols = df_numeric.columns.tolist()
df_categorial = df.iloc[:,10:]
from sklearn.preprocessing import Normalizer
transformer = Normalizer().fit(df_numeric)  # fit does nothing.
df_numeric = transformer.transform(df_numeric)
df_numeric = pd.DataFrame(df_numeric)
df_numeric.columns = numeric_cols 
df= pd.concat([df_numeric , df_categorial] , axis = 1  )

我得到：

我试过文森特说的话：

df_numeric.reset_index(inplace=True, drop=True) 
df_categorial.reset_index(inplace=True, drop=True) 
df = pd.concat([df_numeric , df_categorial] , axis = 1  )

我想现在它起作用了。 我不明白为什么在统计时会出问题-

---

在我停止索引之前，它们在两个DF中都是相同的

您可以使用merge来实现这一点。以下是一个例子：

作为pd进口熊猫

df_numeric = pd.DataFrame(
    {
        'index' : [1,2,3],
        'age': [13,60,30],
        'weight': [50, 80, 70]
    }
)

df_categorical = pd.DataFrame(
    {
        'index' : [1,2,3],
        'has_car': [1,1,1],
        'has_pet': [1, 0, 0],
        'has_brother': [1, 1, 0]
    }
)

df = df_numeric.merge(df_categorical, on='index')
print(df)

---

轴为1的pd.concat将在同一索引上连接。如果您的行按您想要的方式排序，那么在concatreset_index之前重置_index-在括号中写什么？什么都没有。重置索引只会重置索引。有关详细信息，请参见发布df和df_分类的样本数据。