在相同索引上将3D列表转换为 pandas 单个数据框 [英] Converting 3d list into pandas single dataframe on same index

问题描述

我的列表l具有形状np.array(l).shape (100,15,1)它具有100个数据帧，每个df包含15行和1列.索引是相同的，只是列表的每个df中的排序是不同的. 我想解压缩列表l:

My list l has shape np.array(l).shape (100,15,1) It has 100 dataframes with each df having 15 rows and 1 column. The index are same, just the sorting is different in each df of list. I want to unzip the list l:

l[0] =             Rank                  l[31] =           Rank
           A1       1                                A5      1
           A2       2                                A1      2
           A3       3                                A8      3
           A4       4.. till 15                      A3      4 .... also till 15

我想要这个3-d列表l中的单个数据帧，如下所示: df= (15,100)

I want a single dataframe from this 3-d list l something like this: df= (15,100)

     0       1      2
A1   1       2      3
A2   2       3      2 
A3   3       6      1
A4   4       4      4
A5   5       8      6 .. till 100 columns and for all 15 indices

基本上，一个具有所有排名列表的数据框只能显示在同一索引上.

Basically, a dataframe with all ranking lists to be shown on same index only.

推荐答案

使用 concat ，其中axis=1和ignore_index=True是range默认的新列:

Use concat with axis=1 and ignore_index=True for default new columns by range:

df = pd.concat(l, axis=1, ignore_index=True)
print (df)
      0    1
A1  1.0  2.0
A2  2.0  NaN
A3  3.0  4.0
A4  4.0  NaN
A5  NaN  1.0
A8  NaN  3.0

这篇关于在相同索引上将3D列表转换为 pandas 单个数据框的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！