python - Pandas concat 似乎忽略了索引

Question

我对 Pandas 比较陌生。我在使用 pd.concat() 时遇到了意想不到的问题。

df1 = pd.DataFrame([], columns=['a', 'b', 'c']).set_index(['b', 'a'])
df2 = pd.DataFrame([[1, 2, 3]], columns=['a', 'b', 'c']).set_index(['a', 'b']) # intentionally reverse
pd.concat([df1, df2])

我希望上面的结果是:

     c
a b
1 2  3

但它是:

     c
b a <---- note that b=1 and a=2 here
1 2  3

换句话说，似乎 pd.concat() 在执行 pd.concat() 时忽略了索引 header ，但随后在pd.concat() 完成。

另一方面，pd.concat() 的工作方式与我对列标题的预期一致。 pd.concat([df1.reset_index(), df2.reset_index()]) 的结果是:

     a    b  c
0  1.0  2.0  3

正如预期的那样。

我用 pd.concat() 和索引观察到的行为是预期的行为吗？

我试过谷歌搜索，但没能找到有人遇到类似问题的例子。

谢谢!

Answer 1

似乎 Pandas 在 concat 期间:

• 仅从第一个 DataFrame 获取索引列名。
• 但对于进一步的 DataFrame，只有 numbers 列很重要，只要索引列匹配。

所以在 df1 的情况下，MultiIndex 由列 1 和 0 组成(数字从 0 开始，但在 df2 和 df3 - 由 0 和 1 列组成>,不管他们的名字如何。

为了确认这一点，请尝试更广泛的示例:

df1 = pd.DataFrame([], columns=['a', 'b', 'c']).set_index(['b', 'a'])
df2 = pd.DataFrame([[1, 2, 3]], columns=['aa', 'bb', 'c']).set_index(['aa', 'bb'])
df3 = pd.DataFrame([[10, 20, 30]], columns=['xx', 'yy', 'c']).set_index(['xx', 'yy'])
pd.concat([df1, df2, df3])

结果是:

        c
b  a     
1  2    3
10 20  30

所以如你所见，即使源列名(仅针对索引列)是不同的，这没有任何意义。只有它们在列中的位置是重要。

但是，如果您更改(常规 列的)第三列名称:

df3 = pd.DataFrame([[10, 20, 30]], columns=['xx', 'yy', 'cc']).set_index(['xx', 'yy'])

(c改为*cc)，结果不一样:

         c    cc
b  a            
1  2   3.0   NaN
10 20  NaN  30.0