熊猫 concat ignore_index 不起作用答案

【问题标题】：pandas concat ignore_index doesn't work熊猫 concat ignore_index 不起作用
【发布时间】：2015-12-24 10:40:18
【问题描述】：

我正在尝试对数据帧进行列绑定，但遇到了 pandas concat 的问题，因为 ignore_index=True 似乎不起作用：

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'D': ['D0', 'D1', 'D2', 'D3']},
                    index=[0, 2, 3,4])

df2 = pd.DataFrame({'A1': ['A4', 'A5', 'A6', 'A7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D2': ['D4', 'D5', 'D6', 'D7']},
                    index=[ 5, 6, 7,3])
df1
#     A   B   D
# 0  A0  B0  D0
# 2  A1  B1  D1
# 3  A2  B2  D2
# 4  A3  B3  D3

df2
#    A1   C  D2
# 5  A4  C4  D4
# 6  A5  C5  D5
# 7  A6  C6  D6
# 3  A7  C7  D7

dfs = [df1,df2]
df = pd.concat( dfs,axis=1,ignore_index=True)     
print df

结果是

     0    1    2    3    4    5    
0   A0   B0   D0  NaN  NaN  NaN  
2   A1   B1   D1  NaN  NaN  NaN    
3   A2   B2   D2   A7   C7   D7   
4   A3   B3   D3  NaN  NaN  NaN  
5  NaN  NaN  NaN   A4   C4   D4  
6  NaN  NaN  NaN   A5   C5   D5  
7  NaN  NaN  NaN   A6   C6   D6

即使我使用重置索引

 df1.reset_index()    
 df2.reset_index()

然后试试

pd.concat([df1,df2],axis=1)

它仍然产生相同的结果！

【问题讨论】：

pd.concat([df1, df2], axis=0, ignore_index=True) 会产生你想要的东西吗？如果没有，你能指定你的预期输出吗？
不，它绑定了行。我想绑定列（追加）。我尝试了追加，这似乎也不起作用。
@ajcr，你比较过pd.concat([df1, df2], axis=1, ignore_index=True) 和pd.concat([df1, df2], axis=1) 的输出了吗？第一个不应该直观地模仿cbind吗？
我认为ignore_index 只会忽略您要加入的轴上的标签，因此它仍然会在索引标签上进行外部连接。我同意函数参数的名称在这里不是最直观的。
是的，我从@Alex 的回答中意识到这一点......但即使使用 ignore_index=False 我也有相同的结果

标签： python pandas append concat

【解决方案1】：

如果我理解正确，这就是你想做的。

import pandas as pd

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'D': ['D0', 'D1', 'D2', 'D3']},
                    index=[0, 2, 3,4])

df2 = pd.DataFrame({'A1': ['A4', 'A5', 'A6', 'A7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D2': ['D4', 'D5', 'D6', 'D7']},
                    index=[ 4, 5, 6 ,7])


df1.reset_index(drop=True, inplace=True)
df2.reset_index(drop=True, inplace=True)

df = pd.concat( [df1, df2], axis=1)

这给出了：

    A   B   D   A1  C   D2
0   A0  B0  D0  A4  C4  D4
1   A1  B1  D1  A5  C5  D5
2   A2  B2  D2  A6  C6  D6
3   A3  B3  D3  A7  C7  D7

实际上，我希望df = pd.concat(dfs,axis=1,ignore_index=True) 给出相同的结果。

这是 jreback 的精彩解释：

ignore_index=True‘ignores’，意思是不在连接轴上对齐。它只是按照传递的顺序将它们粘贴在一起，然后为实际索引重新分配一个范围（例如range(len(index))）所以加入非重叠索引（假设axis=1在示例中）之间的区别在于，使用ignore_index=False（默认），你得到索引的连接，使用ignore_index=True你得到一个范围。

【讨论】：

哦，那行得通……谢谢！有趣的是，我使用相同的方法在函数内绑定数据帧，而且效果很好！但一个外部功能不是
@mau，我已经更新了我的答案，现在使用pd.reset_index()。我认为这是一种更清洁的方式。
我碰巧自己尝试过，如果我早点看到的话，可以节省几个小时 :)。谢谢...df = pd.concat( [df1.reset_index(drop=True), df2.reset_index(drop=True)], axis=1)

【解决方案2】：

ignore_index 选项在您的示例中有效，您只需要知道它忽略了 连接轴，在您的情况下是列。（也许更好的名称是 ignore_labels。）如果您希望连接忽略索引标签，那么您的轴变量必须设置为 0（默认值）。

【讨论】：

谢谢！这很有帮助（还不能投票，低代表）
确实，这是文档中缺少的有用解释。

【解决方案3】：

同意 cmets，总是最好发布预期的输出。

这就是你想要的吗？

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'D': ['D0', 'D1', 'D2', 'D3']},
                    index=[0, 2, 3,4])

df2 = pd.DataFrame({'A1': ['A4', 'A5', 'A6', 'A7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D2': ['D4', 'D5', 'D6', 'D7']},
                    index=[ 5, 6, 7,3])


df1 = df1.transpose().reset_index(drop=True).transpose()
df2 = df2.transpose().reset_index(drop=True).transpose()


dfs = [df1,df2]
df = pd.concat( dfs,axis=0,ignore_index=True)

print df



    0   1   2
0  A0  B0  D0
1  A1  B1  D1
2  A2  B2  D2
3  A3  B3  D3
4  A4  C4  D4
5  A5  C5  D5
6  A6  C6  D6
7  A7  C7  D7

【讨论】：

【解决方案4】：

如果要保留左侧数据框的索引，请使用set_index 将 df2 的索引设置为 df1：

pd.concat([df1, df2.set_index(df1.index)], axis=1)

【讨论】：

【解决方案5】：

你可以使用numpy的concatenate来达到效果。

cols = df1.columns.to_list() + df2.columns.to_list()
dfs = [df1,df2]
df = np.concatenate(dfs, axis=1)  
df = pd.DataFrame(df, columns=cols)

Out[1]: 
    A   B   D  A1   C  D2
0  A0  B0  D0  A4  C4  D4
1  A1  B1  D1  A5  C5  D5
2  A2  B2  D2  A6  C6  D6
3  A3  B3  D3  A7  C7  D7

【讨论】：

【解决方案6】：

感谢您的提问。我遇到过同样的问题。出于某种原因，“ignore_index=True”对我没有帮助。我想保留第一个数据集中的索引并忽略第二个索引，这对我有用

X_train=pd.concat([train_sp, X_train.reset_index(drop=True, inplace=True)], axis=1)

【讨论】：