dataframe.concat
时间: 2023-10-31 12:57:37 浏览: 48
dataframe.concat 是 pandas 库中用于在水平或垂直方向上连接多个 DataFrame 的函数。通过将 DataFrame 组成的列表作为输入,可以使用 concat 函数将这些 DataFrame 连接起来。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [dataframe.concat()](https://blog.csdn.net/L573459885/article/details/105240857)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]
相关问题
def statistics(dataframe): # 数据统计并合并统计量 values = pd.concat([dataframe.min(), dataframe.max(), dataframe.mean(), dataframe.median(), dataframe.sum(), dataframe.var(), dataframe.skew(), dataframe.kurt()], axis=1) values.columns = ['min', 'max', 'mean', 'median', 'sum', 'var', 'skew', 'kurt'] return values print("每个用户用电数据的基本统计量:\n", statistics(datatable.T))不使用函数重写这段代码
dataframe = pd.read_csv("data.csv")
values = pd.concat([dataframe.min(), dataframe.max(), dataframe.mean(), dataframe.median(), dataframe.sum(), dataframe.var(), dataframe.skew(), dataframe.kurt()], axis=1)
values.columns = ['min', 'max', 'mean', 'median', 'sum', 'var', 'skew', 'kurt']
print("每个用户用电数据的基本统计量:\n", values)
for i in range(0, len(dataFrame), 6): # 获取当前六行数据 subset = dataFrame.iloc[i:i+6] # 删除4、5、6行 subset = subset.drop(subset.index[2:]) # 将数据复制到新DataFrame中 new_dataFrame = pandas.concat([new_dataFrame, subset])
这段代码在每六行数据的基础上,删除了第4、5、6行,并将结果复制到一个新的DataFrame对象`new_dataFrame`中。
具体代码如下:
```python
import pandas as pd
# 创建一个空的DataFrame对象
new_dataFrame = pd.DataFrame()
for i in range(0, len(dataFrame), 6):
# 获取当前六行数据
subset = dataFrame.iloc[i:i+6]
# 删除4、5、6行
subset = subset.drop(subset.index[2:])
# 将数据复制到新DataFrame中
new_dataFrame = pd.concat([new_dataFrame, subset])
# 打印新的DataFrame
print(new_dataFrame)
```
在每次循环中,首先使用`dataFrame.iloc[i:i+6]`获取当前的六行数据,然后使用`subset.drop(subset.index[2:])`删除第4、5、6行。删除后的结果将被赋值给名为`subset`的新DataFrame对象。
接下来,使用`pd.concat([new_dataFrame, subset])`将删除后的`subset`与`new_dataFrame`进行合并,并将结果赋值给`new_dataFrame`。
最后,在循环结束后,打印新的DataFrame对象`new_dataFrame`,即包含删除了第4、5、6行的数据的DataFrame。
请注意,这段代码假设你已经导入了`pandas`库,并且已经定义了名为`dataFrame`的原始DataFrame对象。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)