我有兩個具有不同索引的資料框
subject_ID,score,region,supplier
1001,27,AP,ABC
1002,35,AP,ABC
1003,29,ANZ,DEF
1004,35,ANZ,DEF
1005,30,KOREA,GHI
1006,34,KOREA,GHI
df = pd.read_clipboard(sep=',')
test_score,dumma,dummeel
217,23,45
315,43,65
219,12,46
315,17,87
310,19,97
314,23,63
df1 = pd.read_clipboard(sep=',')
s = pd.Series([11, 21, 31, 114,261,321])
df1.set_index([s],inplace=True)
基本上，兩個資料幀的長度相等。
因此，第 1 行（索引 0）df對應于 df1 中的索引 11。同樣，df 中的索引 2 對應于 df1..so 中的索引 21
我想連接兩個資料框并做熊貓融化操作
我嘗試了以下但它不起作用
df2 = df1.reset_index(drop=True)
t2 = pd.concat([df, df2], axis=1)
pd.melt(t2, id_vars =['subject_ID'], value_vars =['score','region','supplier','test_score','dumma','dummeel'])
我希望我的輸出如下
uj5u.com熱心網友回復：
不知道你為什么要這樣做，但這里是代碼
pd.melt(df.join(df1), id_vars=['subject_ID'], value_vars=['score','region','supplier'])
subject_ID variable value
0 1001 score 27
1 1002 score 35
2 1003 score 29
3 1004 score 35
4 1005 score 30
5 1006 score 34
6 1001 region AP
7 1002 region AP
8 1003 region ANZ
9 1004 region ANZ
10 1005 region KOREA
11 1006 region KOREA
12 1001 supplier ABC
13 1002 supplier ABC
14 1003 supplier DEF
15 1004 supplier DEF
16 1005 supplier GHI
17 1006 supplier GHI
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/454568.html