熊猫对齐()功能:举例说明

Question

我遇到了这一行代码

app_train_poly, app_test_poly = app_train_poly.align(app_test_poly, join = 'inner', axis = 1)

这里，app_train_poly和app_test_poly是熊猫的数据。

我知道，使用align()，您可以对这两个数据文件进行某种形式的组合，但我无法想象它实际上是如何工作的。

我搜索了这些文档，但找不到任何说明性的例子。

Answer 1

您所处的轨道是正确的，只不过DataFrame.align没有组合两个数据文件，而是对齐了两个数据文件，以便使两个数据文件具有相同的行和/或列配置。让我们尝试一个例子：

用一些描述性列名和玩具数据初始化两个数据文件：

df1 = pd.DataFrame([[1,2,3,4], [6,7,8,9]], columns=['D', 'B', 'E', 'A'], index=[1,2])
df2 = pd.DataFrame([[10,20,30,40], [60,70,80,90], [600,700,800,900]], columns=['A', 'B', 'C', 'D'], index=[2,3,4])

现在，让我们单独查看这些数据框架：

print(df1)

D B E A 1 1 2 3 4 2 6 7 8 9

print(df2)

A B C D 2 10 20 30 40 3 60 70 80 90 4 600 700 800 900

让我们对齐这两个数据格式，按列对齐(axis=1)，并在列标签(join='outer')上执行外部连接：

a1, a2 = df1.align(df2, join='outer', axis=1)
print(a1)
print(a2)

A B C D E 1 4 2 NaN 1 3 2 9 7 NaN 6 8 A B C D E 2 10 20 30 40 NaN 3 60 70 80 90 NaN 4 600 700 800 900 NaN

这里有几件事要注意：

• df1中的列已被重新排列，以便与df2中的列对齐。
• 有一个标记为'C'的列已经添加到df1中，还有一个标记为'E'的列已经添加到df2中。这些列已经填充了NaN。这是因为我们在列标签上执行了一个外部联接。
• DataFrames中的任何一个值都没有被更改。
• 注意，行标签没有对齐；df2有行3和4，而df1没有。这是因为我们请求对列(axis=1)进行对齐。

如果我们在行和列上对齐，但将join参数更改为'right'，会发生什么？

a1, a2 = df1.align(df2, join='right', axis=None)
print(a1)
print(a2)

A B C D 2 9.0 7.0 NaN 6.0 3 NaN NaN NaN NaN 4 NaN NaN NaN NaN A B C D 2 10 20 30 40 3 60 70 80 90 4 600 700 800 900

请注意：

• 只保留在“右”数据rows (df2)中找到的列和行。列'E'不再存在。这是因为我们在列标签和行标签上都做了正确的连接。
• 带有标签3和4的行已经添加到df1中，填充了Nan。这是因为我们请求对行和列(axis=None)进行对齐。
• 行标签现在和列标签对齐了。
• 同样，请注意，数据文件中的任何实际值都没有被更改。

最后，让我们看看问题中的代码，使用join='inner'和axis=1

a1, a2 = df1.align(df2, join='inner', axis=1)
print(a1)
print(a2)

D B A 1 1 2 4 2 6 7 9 D B A 2 40 20 10 3 90 70 60 4 900 700 600

• 只对齐列标签(axis=1)。
• 只保留df1和df2中同时存在的列标签(join='inner')。

总之，当您希望确保两个数据文件之间的行和/或列排列是相同的时，请使用DataFrame.align()，而不需要更改两个数据文件中包含的任何数据。