concatenar - python dataframe concatenate two columns

pandas concat genera valores nan

Question

Tengo curiosidad de por qué una simple concatenación de dos marcos de datos en pandas:

shape: (66441, 1)
dtypes: prediction    int64
dtype: object
isnull().sum(): prediction    0
dtype: int64

shape: (66441, 1)
CUSTOMER_ID    int64
dtype: object
isnull().sum() CUSTOMER_ID    0
dtype: int64

De la misma forma y ambos sin valores NaN.

foo = pd.concat([initId, ypred], join=''outer'', axis=1)
print(foo.shape)
print(foo.isnull().sum())

puede resultar en una gran cantidad de valores de NaN si se unen.

(83384, 2)
CUSTOMER_ID    16943
prediction     16943

¿Cómo puedo solucionar este problema y evitar que se introduzcan valores de NaN?

Tratando de reproducirlo como

aaa  = pd.DataFrame([0,1,0,1,0,0], columns=[''prediction''])
print(aaa)
bbb  = pd.DataFrame([0,0,1,0,1,1], columns=[''groundTruth''])
print(bbb)
pd.concat([aaa, bbb], axis=1)

falló, por ejemplo, funcionó bien, ya que no se introdujeron valores de NaN.

Answer 1

Creo que hay un problema con diferentes valores de índice, por lo que donde concat no puede alinearse, obtenga NaN :

aaa  = pd.DataFrame([0,1,0,1,0,0], columns=[''prediction''], index=[4,5,8,7,10,12])
print(aaa)
    prediction
4            0
5            1
8            0
7            1
10           0
12           0

bbb  = pd.DataFrame([0,0,1,0,1,1], columns=[''groundTruth''])
print(bbb)
   groundTruth
0            0
1            0
2            1
3            0
4            1
5            1

print (pd.concat([aaa, bbb], axis=1))
    prediction  groundTruth
0          NaN          0.0
1          NaN          0.0
2          NaN          1.0
3          NaN          0.0
4          0.0          1.0
5          1.0          1.0
7          1.0          NaN
8          0.0          NaN
10         0.0          NaN
12         0.0          NaN

La solución es reset_index si los valores de los índices no son necesarios:

aaa.reset_index(drop=True, inplace=True)
bbb.reset_index(drop=True, inplace=True)

print(aaa)
   prediction
0           0
1           1
2           0
3           1
4           0
5           0

print(bbb)
   groundTruth
0            0
1            0
2            1
3            0
4            1
5            1

print (pd.concat([aaa, bbb], axis=1))
   prediction  groundTruth
0           0            0
1           1            0
2           0            1
3           1            0
4           0            1
5           0            1