如何在python中组合（合并）两个数据表Frame

Question

给定两个datatable Frame。如何将它们组合（合并）在一帧中？

dt_f_A =

+--------+--------+--------+-----+--------+ | A_at_1 | A_at_2 | A_at_3 | ... | A_at_m | +--------+--------+--------+-----+--------+ | v_1 | | | | | +--------+--------+--------+-----+--------+ | ... | | | | | +--------+--------+--------+-----+--------+ | v_N | | | | | +--------+--------+--------+-----+--------+

dt_f_B =

+--------+--------+--------+-----+--------+ | B_at_1 | B_at_2 | B_at_3 | ... | B_at_k | +--------+--------+--------+-----+--------+ | w_1 | | | | | +--------+--------+--------+-----+--------+ | ... | | | | | +--------+--------+--------+-----+--------+ | w_N | | | | | +--------+--------+--------+-----+--------+

预期结果（dt_f_A concat(combine or merge) dt_f_B）

+--------+--------+--------+-----+--------+------- -+--------+--------+-----+--------+ | A_at_1 | A_at_2 | A_at_3 | ... | A_at_m | B_at_1 | B_at_2 | B_at_3 | ... | B_at_k | +--------+--------+--------+-----+--------+------- -+--------+--------+-----+--------+ | v_1 | | | | | w_1 | | | | | +--------+--------+--------+-----+--------+------- -+--------+--------+-----+--------+ | ... | | | | | ... | | | | | +--------+--------+--------+-----+--------+------- -+--------+--------+-----+--------+ | v_N | | | | | w_N | | | | | +--------+--------+--------+-----+--------+------- -+--------+--------+-----+--------+

我们考虑三种情况：

案例 1： a) 两帧的行数完全相同完全相同，b)列中的独特属性。

案例2：行数不同

案例3：属性不唯一（有重复）

@sammywemmy 感谢您的宝贵意见。

Answer 1

案例 1： a) 两帧的行数完全相同完全相同，b)列中的独特属性

1- 使用 cbind : dt_f_A.cbind(dt_f_B)
或
2-使用：dt_f_A[:,dt_f_B.names] = dt_f_B

例子：

import datatable as dt

dt_f_A = dt.Frame({"a":[1,2,3,4],"b":['a','b','c','d']})
dt_f_B = dt.Frame({"c":[1.1, 2.2, 3.3, 4.4], "d":['aa', 'bb', 'cc', 'dd']})

dt_f_A.cbind(dt_f_B)

#dt_f_A[:, dt_f_B.names] = dt_f_B # it's work fine also

print(dt_f_A)

案例2： 行数不同

• dt_f_A.cbind(dt_f_B) 给出 InvalidOperationError: Cannot cbind frame with X rows to a frame with Y rows。 (X≠Y)
• dt_f_A[:, dt_f_B.names] 给出 ValueError: Frame 有 X 行，并且不能在需要 Y 的表达式中使用。 (X≠Y)

解决方法：使用dt_f_A.cbind(dt_f_B,force=True)

例子：

import datatable as dt

dt_f_A = dt.Frame({"a":[1, 2, 3, 4, 5,6], "b":['a', 'b', 'c', 'd', 'e','f']})
dt_f_B = dt.Frame({"c":[1.1, 2.2, 3.3, 4.4], "d":['aa', 'bb', 'cc', 'dd']})

dt_f_A.cbind(dt_f_B,force=True)

print(dt_f_A)

缺失的值，则用NA

填充

案例3： 属性不唯一（有重复）

• dt_f_A.cbind(dt_f_B) ：它有效并发出警告。它将重复的属性更改为唯一的属性：atatableWarning: Duplicate column name found, and was assigned a unique name: 'a' -> 'a.0'

• dt_f_A[:, dt_f_B.names] = dt_f_B：IT 没有给出任何错误。它消除了 dt_f_A 中的重复列，并保留了 dt_f_B 中的列。

例子：

import datatable as dt

dt_f_A = dt.Frame({"a":[1,2,3,4],"b":['a','b','c','d']})
dt_f_B = dt.Frame({"a":[1.1, 2.2, 3.3, 4.4], "d":['aa', 'bb', 'cc', 'dd']})

dt_f_A.cbind(dt_f_B) # rename the duplicated columns
#dt_f_A[:, dt_f_B.names] = dt_f_B # keep only the duplicated columns in dt_f_B

print(dt_f_A)

@sammywemmy 感谢您的宝贵意见 :)