🔗 Как соединить два столбца в один pandas? Подробный гайд для начинающих!

Чтобы соединить два столбца в один с помощью pandas, вы можете использовать операцию конкатенации (объединения) столбцов.

import pandas as pd

# Создайте DataFrame с двумя столбцами
data = {'Столбец1': [1, 2, 3],
        'Столбец2': [4, 5, 6]}
df = pd.DataFrame(data)

# Соедините два столбца в новый столбец
df['Столбец3'] = df['Столбец1'].astype(str) + df['Столбец2'].astype(str)

# Выведите DataFrame с новым столбцом
print(df)

В результате выполнения кода, будет создан новый столбец 'Столбец3', в котором будут содержаться значения из 'Столбец1' и 'Столбец2', объединенные вместе.

Как соединить два столбца в один pandas?

В библиотеке pandas вам может понадобиться объединить два столбца в один столбец для выполнения различных операций и анализа данных. В этой статье я подробно объясню, как это сделать с использованием кодовых примеров.

1. Использование оператора сложения (+)

Простым и наиболее распространенным способом объединения двух столбцов в pandas является использование оператора сложения (+). Этот подход применим, если оба столбца содержат числовые или строковые данные.

import pandas as pd

# Создание DataFrame с двумя столбцами
data = {'Имя': ['Анна', 'Мария', 'Алексей'],
        'Фамилия': ['Иванова', 'Смирнова', 'Петров']}
df = pd.DataFrame(data)

# Объединение столбцов 'Имя' и 'Фамилия'
df['Полное имя'] = df['Имя'] + ' ' + df['Фамилия']

print(df)

В этом примере мы создаем DataFrame с двумя столбцами 'Имя' и 'Фамилия'. Затем мы используем оператор сложения (+), чтобы объединить значения из этих двух столбцов в новом столбце 'Полное имя'. Результат отображается с помощью функции print().

2. Использование метода concat()

Если у вас есть несколько столбцов в pandas DataFrame, которые вы хотите объединить последовательно, вы можете использовать метод concat(). Этот метод позволяет объединять столбцы по горизонтали или вертикали.

import pandas as pd

# Создание DataFrame с несколькими столбцами
data = {'Имя': ['Анна', 'Мария', 'Алексей'],
        'Фамилия': ['Иванова', 'Смирнова', 'Петров'],
        'Возраст': [25, 30, 35]}
df = pd.DataFrame(data)

# Объединение столбцов 'Имя', 'Фамилия' и 'Возраст' по горизонтали
df['Полная информация'] = df['Имя'].astype(str).str.cat(df['Фамилия'], sep=' ').str.cat(df['Возраст'].astype(str), sep=', Возраст: ')

print(df)

В этом примере мы создаем DataFrame с тремя столбцами 'Имя', 'Фамилия' и 'Возраст'. Затем мы используем метод concat(), чтобы объединить значения из этих трех столбцов в новом столбце 'Полная информация'. Мы используем методы astype() и str.cat() для преобразования значений в строковый формат и объединения их с разделителями. Результат отображается с помощью функции print().

3. Использование метода join()

Метод join() в pandas позволяет объединить несколько столбцов с помощью разделителя. Этот метод особенно полезен, когда столбцы содержат строки или объекты типа Series.

import pandas as pd

# Создание DataFrame с несколькими столбцами
data = {'Имя': ['Анна', 'Мария', 'Алексей'],
        'Фамилия': ['Иванова', 'Смирнова', 'Петров'],
        'Город': ['Москва', 'Санкт-Петербург', 'Казань']}
df = pd.DataFrame(data)

# Объединение столбцов 'Имя', 'Фамилия' и 'Город' с помощью разделителя ', '
df['Полная информация'] = df[['Имя', 'Фамилия', 'Город']].apply(', '.join, axis=1)

print(df)

В этом примере мы создаем DataFrame с тремя столбцами 'Имя', 'Фамилия' и 'Город'. Затем мы используем метод join(), чтобы объединить значения из этих трех столбцов в новом столбце 'Полная информация'. Мы используем метод apply() для применения функции join() к каждой строке DataFrame. Результат отображается с помощью функции print().

Заключение

В этой статье мы рассмотрели различные способы объединения двух столбцов в один в pandas. Вы можете выбрать подход, который наилучшим образом соответствует вашим потребностям и типу данных в ваших столбцах. Библиотека pandas предлагает множество методов и операторов для работы с данными, поэтому экспериментируйте и находите оптимальные решения для своих задач.