pandas数据帧中的第一列不是列？

Question

我有一个名为的数据框dfimp:

>>dfimp
           Column1    Column2
vo_11                          
102        0.023002           0
301     3571.662104           0
302     1346.910261           0
...

在我的noob意见中它的三列？但:

>>dfimp.dtypes
Column1      float64
Column2      float64
dtype: object

那么它的两列呢？什么是第一个(vo_11)被称为？我想用它来进行合并但是当我这样做时我得到错误,说没有列名vo_11.

Answer 1

它被称为index,检查:

print (df.index)
Int64Index([102, 301, 302], dtype='int64', name='vo_11')

还检查文档:

pandas对象中的轴标记信息有多种用途:

- 使用已知指标识别数据(即提供元数据),这对于分析,可视化和交互式控制台显示非常重要
- 启用自动和显式数据对齐 -
允许直观获取和设置数据集的子集

如果需要merge两者的索引DataFrames:

df = pd.merge(df1, df2, left_index=True, right_index=True)

或使用concat:

df = pd.concat([df1, df2], axis=1) 

注意:

用于匹配相同类型的需求索引 - 两者int或object(显然string)

样品:

df1 = pd.DataFrame({
'Column1': {302: 10, 301: 21, 102: 2}, 
'Column2': {302: 0, 301: 0, 102: 0}})
print (df1)
    Column1  Column2
102        2        0
301       21        0
302       10        0

df2 = pd.DataFrame({
'Column1': {302: 4, 301: 5, 304: 6}, 
'Column2': {302: 0, 301: 0, 304: 0}})
print (df2)
     Column1  Column2
301        5        0
302        4        0
304        6        0

df = pd.merge(df1, df2, left_index=True, right_index=True)
print (df)
     Column1_x  Column2_x  Column1_y  Column2_y
301         21          0          5          0
302         10          0          4          0

df = pd.merge(df1, df2, left_index=True, right_index=True, how='outer')
print (df)
     Column1_x  Column2_x  Column1_y  Column2_y
102        2.0        0.0        NaN        NaN
301       21.0        0.0        5.0        0.0
302       10.0        0.0        4.0        0.0
304        NaN        NaN        6.0        0.0

df = pd.concat([df1, df2], axis=1) 
print (df)
     Column1  Column2  Column1  Column2
102      2.0      0.0      NaN      NaN
301     21.0      0.0      5.0      0.0
302     10.0      0.0      4.0      0.0
304      NaN      NaN      6.0      0.0

df = pd.concat([df1, df2], axis=1, join='inner') 
print (df)
     Column1  Column2  Column1  Column2
301       21        0        5        0
302       10        0        4        0