numpyとpandasの配列の統合、直進、再成形の例

統合
numpyで二つのarrayを合併する。
numpyでは、concatentateを通じて、パラメータaxis=0は、垂直方向に2つの配列を結合することを表し、np.vstackに等しい。パラメータaxis=1は、水平方向に2つの配列を結合することを表し、np.hstackに相当します。
垂直方向:

np.concatenate([arr1,arr2],axis=0)
np.vstack([arr1,arr2])

水平方向:

np.concatenate([arr1,arr2],axis=1)
np.hstack([arr1,arr2])

import numpy as np
import pandas as pd

arr1=np.ones((3,5))
arr1
Out[5]: 
array([[ 1., 1., 1., 1., 1.],
    [ 1., 1., 1., 1., 1.],
    [ 1., 1., 1., 1., 1.]])
    
arr2=np.random.randn(15).reshape(arr1.shape)
arr2
Out[8]: 
array([[-0.09666833, 1.47064828, -1.94608976, 0.2651279 , -0.32894787],
    [ 1.01187699, 0.39171167, 1.49607091, 0.79216196, 0.33246644],
    [ 1.71266238, 0.86650837, 0.77830394, -0.90519422, 1.55410056]])
    
np.concatenate([arr1,arr2],axis=0) #      
Out[9]: 
array([[ 1.    , 1.    , 1.    , 1.    , 1.    ],
    [ 1.    , 1.    , 1.    , 1.    , 1.    ],
    [ 1.    , 1.    , 1.    , 1.    , 1.    ],
    [-0.09666833, 1.47064828, -1.94608976, 0.2651279 , -0.32894787],
    [ 1.01187699, 0.39171167, 1.49607091, 0.79216196, 0.33246644],
    [ 1.71266238, 0.86650837, 0.77830394, -0.90519422, 1.55410056]])

np.concatenate([arr1,arr2],axis=1) #      
Out[10]: 
array([[ 1.    , 1.    , 1.    , ..., -1.94608976,
     0.2651279 , -0.32894787],
    [ 1.    , 1.    , 1.    , ..., 1.49607091,
     0.79216196, 0.33246644],
    [ 1.    , 1.    , 1.    , ..., 0.77830394,
    -0.90519422, 1.55410056]])
    
   
    

パンダスの中に二つのDataFrameを合併します。
pansdasではconcat法により統合が実現され、パラメータaxis=0またはaxis=1を指定して縦軸と横軸に2つの配列を結合します。numpyとは違って、ここの二つのdataframeは一つのリストに置くべきです。即ち「frame 1，frame 2」

from pandas import DataFrame

frame1=DataFrame([[1,2,3],[4,5,6]])
frame2=DataFrame([[7,8,9],[10,11,12]])

pd.concat([frame1,frame2], ignore_index=True) #               。
Out[25]: 
  0  1  2
0  1  2  3
1  4  5  6
0  7  8  9
1 10 11 12


pd.concat([frame1,frame2], axis=1, ignore_index=True)
Out[27]: 
  0 1 2  3  4  5
0 1 2 3  7  8  9
1 4 5 6 10 11 12

ストレートとリフォーム
まっすぐに引いてすぐ1つの二次元のarrayを1次元のarrayに変えます。デフォルトでは、Numpy配列は行優先順位で作成されます。空間的には、これは1つの2次元の数字に対して、各行のデータ項目が内部で隣接する位置に保存されることを意味する。もう一つの順序は列優先です。
歴史的な理由から、行優先と列優先はそれぞれCとFortran順と呼ばれています。Numpyでは、キーワードパラメータorder=「C」とorder=「F」によって現行の優先順位と列優先を実現することができます。
ストレート:

arr=np.arange(15).reshape(3,-1)
arr
Out[29]: 
array([[ 0, 1, 2, 3, 4],
    [ 5, 6, 7, 8, 9],
    [10, 11, 12, 13, 14]])
    
arr.ravel('F') #     ，   。
Out[30]: array([ 0, 5, 10, ..., 4, 9, 14])

arr.ravel('C') #     。#     ，   。
Out[31]: array([ 0, 1, 2, ..., 12, 13, 14])

再成形:
Fortran順序で再成形した後、列ごとにまっすぐ伸ばして元のデータと列ごとにまっすぐ伸ばします。

arr.reshape((5,3),order='F') 
Out[32]: 
array([[ 0, 11, 8],
    [ 5, 2, 13],
    [10, 7, 4],
    [ 1, 12, 9],
    [ 6, 3, 14]])

C順序で再成形した後、行によってまっすぐ伸ばしても元のデータと同じです。

 arr.reshape((5,3),order='C')
 Out[33]: 
array([[ 0, 1, 2],
    [ 3, 4, 5],
    [ 6, 7, 8],
    [ 9, 10, 11],
    [12, 13, 14]])

以上のnumpyとpandasの配列の統合、直進とリフォームの例は小編集が皆さんに共有した内容です。参考にしていただければと思います。どうぞよろしくお願いします。