我正在连接两个数据帧，所以我希望一个数据帧位于另一个数据帧。但首先我对初始数据框做了一些转换：
scaler = MinMaxScaler()
real_data = pd.DataFrame(scaler.fit_transform(df[real_columns]), columns = real_columns)
然后连接：
categorial_data = pd.get_dummies(df[categor_columns], prefix_sep= '__')
train = pd.concat([real_data, categorial_data], axis=1, ignore_index=True)
我不知道为什么，但行数增加了：
print(df.shape, real_data.shape, categorial_data.shape, train.shape)
(1700645, 23) (1700645, 16) (1700645, 130) (1703915, 146)
发生了什么以及如何解决问题？
如您所见，train 的列数等于 real_data 和 categorial_data 列的总和
使用compose（）合并两个图形后尝试写入GML文件时，出现以下错误消息：
NetworkXError: 'user_id' is not a valid key
背景是我使用以下命令导入了两个GML文件：
g = nx.read_gml(file_path + "test_graph_1.gml")
h = nx.read_gml(file_path + "test_graph_2.gml")
每个节点（在两个GML文件中）文件的结构如下：
node [
id 9
user_id "1663413990"
file "wingsscotland.dat"
label "brian_bilston"
image "/Users/ian/development/gtf/gtf/img/1663413990.jpg"
type "friends"
statuses 21085
friends 737
followers 53425
listed 550
ffr 72.4898
lfr 0.1029
shape "triangle-up"
]
导入每个文件之后，我可以检查所有节点属性，看看每个图中的节点都是唯一的。
我还看到默认情况下NetworkX会丢弃'id'字段，而und使用'label'作为节点的标识符。它保留了user_id属性（恰好是Twitter的user_id，非常适合我的目的）。
跑步
list(f.nodes(data=True))
我可以看到上面节点的数据是：
('brian_bilston',
{'ffr': 72.4898,
'file': 'wingsscotland.dat',
'followers': 53425,
'friends': 737,
'image': '/Users/ian/development/gtf/gtf/img/1663413990.jpg',
'lfr': 0.1029,
'listed': 550,
'shape': 'triangle-up',
'statuses': 21085,
'type': 'friends',
'user_id': '1663413990'})
在此测试用例中，有一个公共节点由图g和图h共享，即上面显示的一个。其他所有用户名和标签均唯一。
然后，我使用以下方法合并两个图：
f …我正在尝试将多个CSV文件读取到Pandas数据框中。CSV不会以逗号分隔-字段以分号“;”分隔。
我的代码基于此处的答案。
我的数据全部在一个特定的子目录中： /data/luftdaten/5331
这是我运行的：
import glob
import pandas as pd
path =r'data/luftdaten/5331' # use your path
filenames = glob.glob(path + "/*.csv")
count_files = 0
dfs = []
for filename in filenames:
if count_files ==0:
dfs.append(pd.read_csv(filename, sep=";"))
count_files += 1
else:
dfs.append(pd.read_csv(filename, sep=";", skiprows=[0]))
count_files +=1
big_frame = pd.concat(dfs, ignore_index=True)
我count_files用来监视它是否是第一个CSV-在这种情况下，我将导入标头。否则，它会跳过标题。
该代码执行确定。
如果我使用该目录中的单个文件运行它，那么一切都很好：
big_frame.info()
输出：
RangeIndex：146个条目，0到145 数据列（**总共12列** s）： sensor_id 146非空int64 sensor_type 146非空对象 等等......
如果我在目录中有2个或更多文件来运行它，那么从一开始就会出错。
输出4个文件：
范围索引：1893个条目，0到1892 数据列（总计** 33列**）： -2.077 1164非空float64 -2.130 145非空float64 2.40 145非空float64
big_frame.head()在单个CSV版本上运行可以提供正确的列名： …