как создать датафрейм из датафрейма

Создание датафрейма является одной из основных операций при работе с таблицами. Датафрейм ー это структура данных, представляющая собой таблицу, состоящую из строк и столбцов.​ В Python для создания и работы с датафреймами используется библиотека pandas.​

Операции с таблицами

Операции с таблицами включают в себя добавление, удаление и изменение строк и столбцов, выборку, фильтрацию, сортировку, группировку, агрегацию, преобразования, соединение, слияние и объединение таблиц, а также расчеты и вычисления статистики.​

Создание датафрейма

Создать датафрейм можно из различных источников данных, таких как CSV-файлы, базы данных, словари и другие датафреймы.​ Однако в данной статье мы рассмотрим способы создания датафрейма из уже существующего датафрейма.

Для создания датафрейма из датафрейма можно использовать методы pandas, такие как copy, append, concat и merge.​

Метод copy

Метод copy позволяет создать копию существующего датафрейма.​ Новый датафрейм будет иметь те же данные и структуру, что и исходный.

    
        import pandas as pd
        # Создание исходного датафрейма
        df1  pd.​DataFrame({'A'⁚ [1, 2, 3], 'B'⁚ [4, 5, 6]})

        # Создание копии исходного датафрейма
        df2  df1.​copy

        print(df1)
        print(df2)
    

Результат⁚

    
        A  B
    0  1  4
    1  2  5
    2  3  6
                A  B
    0  1  4
    1  2  5
    2  3  6
    

Метод append

Метод append позволяет добавить данные другого датафрейма к уже существующему.​ Новый датафрейм будет состоять из строк исходного датафрейма и добавляемого датафрейма.​

    
        import pandas as pd

        # Создание исходного датафрейма
        df1  pd.​DataFrame({'A'⁚ [1, 2, 3], 'B'⁚ [4, 5, 6]})

        # Создание датафрейма, который будет добавлен к исходному
        df2  pd.DataFrame({'A'⁚ [7٫ 8٫ 9]٫ 'B'⁚ [10٫ 11٫ 12]})

        # Добавление датафрейма df2 к df1
        df3  df1.​append(df2)

        print(df1)
        print(df2)
        print(df3)
    

Результат⁚

    
        A  B
    0  1  4
    1  2  5
    2  3  6
                A   B
    0  7  10
    1  8  11
    2  9  12    
        A   B
    0  1   4
    1  2   5
    2  3   6
    0  7  10
    1  8  11
    2  9  12
    

Метод concat

Метод concat позволяет объединить два или более датафрейма вдоль определенной оси.​ Можно указать, какие датафреймы и какие оси объединять.​

    
        import pandas as pd
        # Создание исходных датафреймов
        df1  pd.​DataFrame({'A'⁚ [1, 2, 3], 'B'⁚ [4, 5, 6]})
        df2  pd.​DataFrame({'A'⁚ [7٫ 8٫ 9]٫ 'B'⁚ [10٫ 11٫ 12]})

        # Объединение двух датафреймов вдоль оси 0 (строки)
        df3  pd.​concat([df1, df2], axis0)

        # Объединение двух датафреймов вдоль оси 1 (столбцы)
        df4  pd.concat([df1, df2], axis1)

        print(df1)
        print(df2)
        print(df3)
        print(df4)
    

Результат⁚

    
        A  B
    0  1  4
    1  2  5
    2  3  6        
        A   B
    0  7  10
    1  8  11
    2  9  12
    
        A   B
    0  1   4
    1  2   5
    2  3   6
    0  7  10
    1  8  11    2  9  12        
        A  B  A   B
    0  1  4  7  10
    1  2  5  8  11
    2  3  6  9  12
    

Метод merge

Метод merge позволяет соединить два датафрейма по одному или нескольким столбцам.​ Можно указать, как соединять столбцы, какие столбцы использовать и другие параметры соединения.​

    
        import pandas as pd

        # Создание исходных датафреймов
        df1  pd.​DataFrame({'A'⁚ [1٫ 2٫ 3]٫ 'B'⁚ [4٫ 5٫ 6]})
        df2  pd.​DataFrame({'C'⁚ [3, 4, 5], 'D'⁚ [6, 7, 8]})

        # Соединение двух датафреймов по столбцу A датафрейма df1 и столбцу C датафрейма df2
        df3  pd.​merge(df1٫ df2٫ left_on'A'٫ right_on'C')

        print(df1)
        print(df2)
        print(df3)
    

Результат⁚

    
        A  B
    0  1  4
    1  2  5
    2  3  6
        
        C  D
    0  3  6
    1  4  7
    2  5  8
    
        A  B  C  D
    0  3  6  3  6
    

Таким образом, при работе с датафреймами важно уметь создавать новый датафрейм из уже существующего.​ Методы copy, append, concat и merge позволяют легко выполнять эти операции и создавать более сложные структуры данных для анализа и обработки в Python.​