Python 修正了追加数据帧时的索引问题

我附加了三个CSV：

df = pd.read_csv("places_1.csv")
temp = pd.read_csv("places_2.csv")
df = df.append(temp)
temp = pd.read_csv("places_3.csv")
df = df.append(temp)
print(df.head(20))

联接的表如下所示：

  location  device_count  population
0        A            11         NaN
1        B            12         NaN
2        C            13         NaN
3        D            14         NaN
4        E            15         NaN
0        F            21         NaN
1        G            22         NaN
2        H            23         NaN
3        I            24         NaN
4        J            25         NaN
0        K            31         NaN
1        L            32         NaN
2        M            33         NaN
3        N            34         NaN
4        O            35         NaN

正如您所看到的，索引不是唯一的

当我调用此iloc函数将人口列乘以2时：

df2 = df.copy
for index, row in df.iterrows():
    df.iloc[index, df.columns.get_loc('population')] = row['device_count'] * 2

我得到了以下错误的结果：

  location  device_count  population
0        A            11        62.0
1        B            12        64.0
2        C            13        66.0
3        D            14        68.0
4        E            15        70.0
0        F            21         NaN
1        G            22         NaN
2        H            23         NaN
3        I            24         NaN
4        J            25         NaN
0        K            31         NaN
1        L            32         NaN
2        M            33         NaN
3        N            34         NaN
4        O            35         NaN

对于每个CSV，它将覆盖第一个CSV的索引 我还尝试创建一个新的整数列并调用df.set_index。那是行不通的

---

任何提示？

首先，使用忽略索引，其次，不要使用附加，使用pd.concat[temp1，temp2，temp3]，忽略索引=真。

首先，使用忽略索引，其次，不要使用附加，使用pd.concat[temp1，temp2，temp3]，忽略索引=真。

如其他人所述，您可以使用忽略索引，您可能应该在这里使用pd.concat。或者，对于不组合数据帧的其他情况，也可以使用df=df.reset\u indexdrop=True在事件发生后更改索引

此外，由于文档中列出的原因，您应该避免使用iterrows。使用以下方法更有效：

df.loc[:, 'population'] = df.loc[:, 'device_count'].astype('int') * 2

---

正如其他人所说，您可以使用ignore_索引，并且您可能应该在这里使用pd.concat。或者，对于不组合数据帧的其他情况，也可以使用df=df.reset\u indexdrop=True在事件发生后更改索引

此外，由于文档中列出的原因，您应该避免使用iterrows。使用以下方法更有效：

df.loc[:, 'population'] = df.loc[:, 'device_count'].astype('int') * 2

---

add ignore_index，df.appendtemp，ignore_index=Trueadd ignore_index，df.appendtemp，ignore_index=Truethe*2只是我正在运行的一个更复杂的函数的代理，它涉及行中的多个列。为什么使用concat而不是append？@SteveScott它更灵活，使用范围更广，因此可能更高效。奇怪的df=df.reset\u indexdrop=True或df.reset\u indexdrop=True，inplace=True应该可以工作……如果向量化不是函数的选项，我建议您参考cs95对此的回答，以了解使用函数修改数据帧的性能分析。你会注意到iterrows是你应该使用的最后一个工具，*2只是我正在运行的一个更复杂函数的代理，它涉及行中的多个列。为什么要使用concat而不是append？@SteveScott它更灵活，使用范围更广，因此可能更高效。奇怪的df=df.reset\u indexdrop=True或df.reset\u indexdrop=True，inplace=True应该可以工作……如果向量化不是函数的选项，我建议您参考cs95对此的回答，以了解使用函数修改数据帧的性能分析。您会注意到ItErrors是您应该使用的最后一个工具，为什么要使用concat而不是append@Igor Riven为什么使用concat而不是append@伊戈尔河