Nano Hash - криптовалюты, майнинг, программирование

Объединение двух фреймов данных по столбцам

Я новичок в модулях Python и Pandas. Я работаю над проблемой статистики, в которой я хочу объединить два фрейма данных с определенными стилями.

Вот мой 1-й кадр данных для средних значений:

- 5.006 3.418   1.464   0.244
 - 5.936    2.770   4.260   1.326
 - 6.588    2.974   5.552   2.026

А затем второй кадр данных для стандартных значений:

 - 0.352490 0.381024    0.173511    0.107210
 - 0.516171 0.313798    0.469911    0.197753
 - 0.635880 0.322497    0.551895    0.274650

Итак, есть ли способы объединить два кадра данных, чтобы окончательный результат выглядел как «среднее» ± «стандартное»? например "5,006 ± 0,352490"?

Благодарю вас!

python pandas string dataframe concat
07.09.2017

Ответы:


1

Преобразуйте в строку, используя .astype, а затем достаточно простой конкатенации.

out = df.astype(str) + ' ± ' +  df2.astype(str)
print(out)
                  0                 1                 2                 3
0   5.006 ± 0.35249  3.418 ± 0.381024  1.464 ± 0.173511   0.244 ± 0.10721
1  5.936 ± 0.516171   2.77 ± 0.313798   4.26 ± 0.469911  1.326 ± 0.197753
2   6.588 ± 0.63588  2.974 ± 0.322497  5.552 ± 0.551895   2.026 ± 0.27465

Работает хорошо, если у вас одинаковый индекс и столбцы в обоих фреймах данных. Если нет, вы можете установить один на другой:

df2.index = df.index
df2.columns = df.columns
out = df.astype(str) + ' ± ' +  df2.astype(str)

Подробности:

df    
       0      1      2      3
0  5.006  3.418  1.464  0.244
1  5.936  2.770  4.260  1.326
2  6.588  2.974  5.552  2.026

df2    
          0         1         2         3
0  0.352490  0.381024  0.173511  0.107210
1  0.516171  0.313798  0.469911  0.197753
2  0.635880  0.322497  0.551895  0.274650
07.09.2017
  • Спасибо Колдспид. Знаете ли вы, как преобразовать выведенную таблицу в рисунок, например png или jpeg? 08.09.2017
  • @Yujian Нет, но здесь есть полезная ссылка: stackoverflow.com/questions/35634238/ И stackoverflow.com/questions/26678467/ 08.09.2017

    • 2

    Вам нужно объединить оба df, нужны одинаковые имена индекса и столбца:

    df1.astype(str) + ' ± ' + df2.astype(str)

    Другое решение:

    df1.astype(str).add(' ± ').add(df2.astype(str))

    df = df1.astype(str) + ' ± ' + df2.astype(str)
print (df)
                    0                 1                 2                 3
0   -5.006 ± -0.35249  3.418 ± 0.381024  1.464 ± 0.173511   0.244 ± 0.10721
1  -5.936 ± -0.516171   2.77 ± 0.313798   4.26 ± 0.469911  1.326 ± 0.197753
2   -6.588 ± -0.63588  2.974 ± 0.322497  5.552 ± 0.551895   2.026 ± 0.27465
    07.09.2017
    Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..