Pandas concat yields ValueError:平面形状未对齐

Question

我对pandas还不太熟悉，我正在尝试连接一组数据帧，结果出现以下错误：

ValueError: Plan shapes are not aligned

我对.concat()的理解是，它将在列相同的地方连接，但对于那些找不到的列，它将用NA填充。这里似乎不是这样。

以下是concat声明：

dfs = [npo_jun_df, npo_jul_df,npo_may_df,npo_apr_df,npo_feb_df]
alpha = pd.concat(dfs)

Answer 1

如果有帮助的话，我在尝试连接两个数据帧时也遇到了这个错误（截至编写本文时，这是除了源代码之外，我在google上唯一能找到的相关命中）。

我不知道这个答案是否能解决OP的问题（因为他/她没有发布足够的信息），但对我来说，这是我试图用列['A', 'B', 'B', 'C']来concat数据帧df1时造成的（请参阅重复的列标题？）使用数据帧df2和列['A', 'B']。可以理解的是，这种复制导致大熊猫摇摆不定。将df1更改为['A', 'B', 'C']（即删除一个重复的列），一切正常。

Answer 2

编写了一个小函数来连接重复的列名。 函数关心排序如果原始数据帧未排序，则输出将是已排序的。

def concat_duplicate_columns(df):
    dupli = {}
    # populate dictionary with column names and count for duplicates 
    for column in df.columns:
        dupli[column] = dupli[column] + 1 if column in dupli.keys() else 1
    # rename duplicated keys with °°° number suffix
    for key, val in dict(dupli).items():
        del dupli[key]
        if val > 1:
            for i in range(val):
                dupli[key+'°°°'+str(i)] = val
        else: dupli[key] = 1
    # rename columns so that we can now access abmigous column names
    # sorting in dict is the same as in original table
    df.columns = dupli.keys()
    # for each duplicated column name
    for i in set(re.sub('°°°(.*)','',j) for j in dupli.keys() if '°°°' in j):
        i = str(i)
        # for each duplicate of a column name
        for k in range(dupli[i+'°°°0']-1):
            # concatenate values in duplicated columns
            df[i+'°°°0'] = df[i+'°°°0'].astype(str) + df[i+'°°°'+str(k+1)].astype(str)
            # Drop duplicated columns from which we have aquired data
            df = df.drop(i+'°°°'+str(k+1), 1)
    # resort column names for proper mapping
    df = df.reindex_axis(sorted(df.columns), axis = 1)
    # rename columns
    df.columns = sorted(set(re.sub('°°°(.*)','',i) for i in dupli.keys()))
    return df

Answer 3

我最近也收到了这条消息，我发现像上面的用户@jason和@user3805082一样，在我试图concat的数百个数据帧中，有几个列是重复的，每个数据帧都有几十个神秘的变量名。手动搜索重复项不实用。

如果其他人有同样的问题，我写了下面的函数，可能会有帮助。

def duplicated_varnames(df):
    """Return a dict of all variable names that 
    are duplicated in a given dataframe."""
    repeat_dict = {}
    var_list = list(df) # list of varnames as strings
    for varname in var_list:
        # make a list of all instances of that varname
        test_list = [v for v in var_list if v == varname] 
        # if more than one instance, report duplications in repeat_dict
        if len(test_list) > 1: 
            repeat_dict[varname] = len(test_list)
    return repeat_dict

然后，您可以遍历该dict来报告有多少个重复项，删除重复的变量，或者以某种系统的方式重命名它们。