Pandas concat ignore_index не работает

Я пытаюсь привязать столбцы к фреймворкам и проблема с pandas concat, поскольку ignore_index=True не работает:

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

и результат

     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

Даже если индекс reset, использующий

 df1.reset_index()    
 df2.reset_index()

а затем попробуйте

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

он все равно дает тот же результат!

Ответы

Ответ 1

Если я правильно вас понял, это то, что вы хотели бы сделать.

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)

Что дает:

    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

Собственно, я бы ожидал, что df = pd.concat(dfs,axis=1,ignore_index=True) даст тот же результат.

Это отличное объяснение от jreback:

ignore_index=True 'игнорирует, то есть не выравнивает на оси соединения. он просто вставляет их вместе в том порядке, в котором они передаются, затем переназначает диапазон для фактического индекса (например, range(len(index))) поэтому разница между объединением на неперекрывающихся индексах (предположим axis=1 в примере) заключается в том, что с ignore_index=False (по умолчанию) вы получаете concat индексов, а с помощью ignore_index=True вы получаете диапазон.

Ответ 2

Параметр ignore_index работает в вашем примере, вам просто нужно знать, что он игнорирует ось конкатенации, которая в вашем случае является столбцом. (Возможно, лучшим именем будет ignore_labels.) Если вы хотите, чтобы конкатенация игнорировала метки индекса, тогда ваша переменная оси должна быть установлена на 0 (по умолчанию).

Ответ 3

Согласитесь с комментариями, всегда лучше публиковать ожидаемый результат.

Это то, что вы ищете?

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

Ответ 4

Спасибо, что спросили. Я была такая же проблема. По какой-то причине "ignore_index = True" в моем случае не помогает. Я хотел сохранить индекс из первого набора данных и игнорировать второй индекс a, который сработал у меня

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