在 Pandas 中合并 DataFrame 列的正确方法？答案

【问题标题】：Proper way to merge DataFrame columns in Pandas?在 Pandas 中合并 DataFrame 列的正确方法？
【发布时间】：2014-12-16 20:56:48
【问题描述】：

目前我做的是：

toConcat = []
for cname in get_columns:
    toConcat += [df[cname]]
res = pd.concat(toConcat, axis=0, ignore_index=True)
res = res.dropna()

虽然这可行，但我想知道是否还有其他更快的内置方法来处理这种情况？我这样做的原因是因为在不同的数据集中，我有不同数量的具有相关信息的列，我想将它们合并到一列/行中，以便我可以对它们进行频率/平均值计算。

再次感谢大家的支持！

【问题讨论】：

这对我来说似乎很好，因为您一次连接所有 dfs，如果您进行了连接或合并，您最终会重复加入/合并，并且每次为额外的行/列分配空间.例如，我不知道您是否可以直接将新列分配给主 df，例如 df['new_col'], df['another_col'] ... = other_df['new_col'], another_df['another_col'].... 等。但是这种方法需要索引对齐，这可能不是真的，无论如何我认为 concat 是合适的

【解决方案1】：

没有@bjonen 的回答变平，像这样：

pd.Series(map(str, df[toConcat].values))

【讨论】：

【解决方案2】：

怎么样

pd.Series(df[toConcat].values.flatten())

【讨论】：