Pandas Dataframe - 附加数据帧（多列/行 + 多列，单行）

Question

数据框的更多冒险:)

所以，我几乎掌握了所有的基础知识，但是，这个让我难过。我有两个数据框（下图）。第一个（techIndicator）有大量的列和行，都正确填充。第二个数据框（社交）有多列，但只有一行。

我需要添加列（按照 SS 工作），但我想一直复制社交数据框的行以“填写 nan”。

这是我用来将所有数据帧连接成一个数据帧的代码（除了社交之外的所有工作）：

techIndicator = pd.concat([inter_day, macd, rsi, ema, vwap, adx, dmi, social], axis = 1)
techIndicator.sort_index(ascending=False, inplace=True)
techIndicator.dropna()
techIndicator.reset_index(drop=True)

根据下面的 SS，前三行应该是这样的：

datetime1 | 1 | 2 | 3 | 4 | ......| 9 | 8| 7 | 6
datetime2 | 2 | 1 | 4 | 3 | ......| 9 | 8| 7 | 6
datetime3 | 3 | 4 | 1 | 2 | ......| 9 | 8| 7 | 6

相反，上面的连接添加了列，但删除了值（我已经检查过数据类型，它们都是 float64 的）

请帮忙 =) 我的 google-fu 不适合这个 >.

在下面 Alex 的帮助下，我能够解决我遇到的许多问题！

    dfTemp = pd.concat([inter_day, macd, rsi, ema, vwap, adx, dmi], axis = 1)
    dfTemp.sort_index(ascending=False, inplace=True)
    dfTemp.dropna()
    dfTemp.reset_index(inplace = True)
    

    long_social = social
    for a in range(dfTemp.shape[0] - 1):
        long_social=pd.concat([long_social, social])
    long_social.reset_index(inplace = True)
    long_social.drop(columns = ['index'], inplace = True)
    
    techIndicator = pd.concat([dfTemp, long_social], axis = 1)
    techIndicator.rename(columns={'date': 'Date',
                                  '1. open': 'Open',
                                  '2. high': 'High',
                                  '3. low': 'Low',
                                  '4. close': 'Close',
                                  '5. volume': 'Volume',
                                  'DX': 'DMI'}, inplace=True)

    techIndicator.dropna(inplace=True)
    techIndicator.reset_index(drop=True, inplace=True)
    techIndicator.set_index('Date', inplace=True)
    techIndicator.sort_index(ascending=False, inplace=True)

Answer 1

所以我为您提供了一个解决方案，它不使用 concat 将列添加到您的主数据集，但它可以完成工作。

它的流程是因为两个数据框大小不均匀，我们使它们大小均匀，然后循环通过命名它们来添加列。

# first create a copy of your social_df which we will append it to for as long as your main df is

long_soial=social_df

for a in range(main_df.shape[0]):
    social_long=pd.concat([social_long, social])

# now you have a long_social_df with the same length as your main df

social_vars=list(social.columns)  # Get the column names from social for naming them as we add to the main df

for i, var in enumerate(social_vars):
    main_df[var]=list[social_long[i] # add the columns by creating a new empty column with the desired name and adding the social info as a list to the named column