即使在index_reset之后，Concat也创建了Nan值
我想要创建一个csv文件，它将训练数据和测试数据以及标签组合在一起，用于项目。问题是，在concat函数中，即使在使用了索引重置之后，标签仍然是Nan，我不知道哪里出了问题。数据集位于以下链接中：https://wetransfer.com/downloads/9f0562b7ec341ebb663262af78971b8020211228154538/84d58d
import pandas as pd
from sklearn.utils import shuffle
# remove first col from training dataset
data = pd.read_csv('/home/katerina/Desktop/PBMC_training_set_data.csv')
first_column = data.columns[0]
data = data.drop([first_column], axis=1)
data.to_csv('new1.csv', index=False)
# remove first col from testing dataset
data2 = pd.read_csv('/home/katerina/Desktop/PBMC_testing_set_data.csv')
first_column = data2.columns[0]
data2 = data2.drop([first_column], axis=1)
data2.to_csv('new2.csv', index=False)
#read training labels
data_labels = pd.read_csv('/home/katerina/Desktop/PBMC_training_set_label.csv')
#read testing labels
data2_labels = pd.read_csv('/home/katerina/Desktop/PBMC_testing_set_label.csv')
train = pd.concat([data_labels, data], axis=1, join='inner')
print(train.shape)
test = pd.concat([data2_labels, data2], axis=1, join='inner')
print(test.shape)
test.reset_index(drop=True, inplace=True)
train.reset_index(drop=True, inplace=True)
frame = pd.concat([train, test], axis=0)
print(frame)回答 2
Stack Overflow用户
发布于 2021-12-28 16:10:34
我怀疑正在发生的事情是在concat()之前有重复的索引值。(它们可能只在火车和测试组之间重复，而不一定单独地在集合中重复。)这可能会抛弃concat()，因为索引值被认为是唯一的.它可能会通过将一些设置为NaN来弥补。对reset_index()的调用将分别为它们提供从1开始的索引值。
要解决这个问题:在pd.concat()中设置pd.concat。来自文档
ignore_index: bool，默认为False，如果为True，则不要沿级联轴使用索引值。生成的轴将标记为0，…。如果连接对象的连接轴没有有意义的索引信息，这是非常有用的。注意，在联接中，其他轴上的索引值仍然受到尊重。
如果这不起作用，请检查:在连接之前和reset_index()之后，test & train是否在索引中包含了NaNs？他们不应该，但是检查一下。如果他们这样做了，他们就会继续下去。
Stack Overflow用户
发布于 2021-12-28 18:38:23
我只是按不同的顺序做了一下，结果成功了。nans是没有合并标签的结果。我创建了两个标签，其中一半是空的，一个是用train_labels创建的，另一个是用test_labels创建的。
import pandas as pd
from sklearn.utils import shuffle
# remove first col from training dataset
data = pd.read_csv('/home/katerina/Desktop/PBMC_training_set_data.csv')
first_column = data.columns[0]
data = data.drop([first_column], axis=1)
print(data.shape)
# remove first col from testing dataset
data2 = pd.read_csv('/home/katerina/Desktop/PBMC_testing_set_data.csv')
first_column = data2.columns[0]
data2 = data2.drop([first_column], axis=1)
print(data2.shape)
#read training labels
data_labels = pd.read_csv('/home/katerina/Desktop/PBMC_training_set_label.csv')
print(data_labels.shape)
#read testing labels
data2_labels = pd.read_csv('/home/katerina/Desktop/PBMC_testing_set_label.csv')
print(data2_labels.shape)
#concat data without labels
frames = [data, data2]
d = pd.concat(frames)
#concat labels
l = data_labels.append(data2_labels)
#create the original dataset
print(d.shape, l.shape)
dataset = pd.concat([l, d], axis=1)
dataset = shuffle(dataset)
datasethttps://stackoverflow.com/questions/70509433
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号