Исключить воспринимаемое значение индекса из конкатенации фреймов данных

Question

Я пытаюсь объединить два фрейма данных и записать указанный фрейм данных в файл Excel. Конкатенация выполняется несколько успешно, но мне трудно удалить строку индекса, которая также добавляется.

Я был бы признателен, если бы кто-то мог высветить, что я делаю неправильно. Я думал, что предоставление аргумента "index = False" при каждом вызове Excel устранит проблему, но это не так. введите описание изображения здесь

Надеюсь, вы можете увидеть изображение, если нет, пожалуйста, дайте мне знать.

# filenames
file_name = "C:\\Users\\ga395e\\Desktop\\TEST_FILE.xlsx"
file_name2 = "C:\\Users\\ga395e\\Desktop\\TEST_FILE_2.xlsx"
#create data frames
df = pd.read_excel(file_name, index = False)
df2 = pd.read_excel(file_name2,index =False)

#filter frame
df3 = df2[['WDDT', 'Part Name', 'Remove SN']]

#concatenate values
df4 = df3['WDDT'].map(str)  + '-' +df3['Part Name'].map(str) + '-' + 'SN:'+ df3['Remove SN'].map(str)


test=pd.DataFrame(df4)
test=test.transpose()


df = pd.concat([df, test], axis=1)

df.to_excel("C:\\Users\\ga395e\\Desktop\\c.xlsx", index=False)

Спасибо

Answer 1

так как другие пользователи также написали, я не вижу индекс на вашем изображении, потому что в этом случае у вас будет вывод, который будет выглядеть следующим образом:

| Index | Column1  | Column2  |
|-------+----------+----------|
|     0 | Entry1_1 | Entry1_2 |
|     1 | Entry2_1 | Entry2_2 |
|     2 | Entry3_1 | Entry3_2 |

если вы передадите опцию index=False, индекс будет удален:

 | Column1  | Column2  |
 |----------+----------|
 | Entry1_1 | Entry1_2 |
 | Entry2_1 | Entry2_2 |
 | Entry3_1 | Entry3_2 |
 |          |          |

что похоже на ваш случай. Ваша проблема может быть связана с конкатенацией и транспонированной матрицей.

• Проверяли ли вы здесь временный фрейм данных перед его экспортом?
• Возможно, вы захотите проверить, импортирует ли pandas столбец времени как индекс времени
• если вы хотите удалить эти столбцы времени, вы можете использовать df.drop и передать массив столбцов в эту функцию, например, с df.drop(df.columns[:3]). Это может решить вашу проблему?