pandas concat/merge/join 多个数据帧，该列只有一列

Posted 2023-02-24

【中文标题】pandas concat/merge/join 多个数据帧，该列只有一列

【英文标题】：pandas concat/merge/join multiple dataframes with only one column by this column

【发布时间】：2019-08-07 08:37:58

【问题描述】：

我有（超过）两个数据框：

In [22]: df = pd.DataFrame('database' : ['db1', 'db2', 'db3'])                                                                                                                                                             

In [23]: df1 = pd.DataFrame('database' : ['db1', 'db2', 'db3'])                                                                                                                                                            

In [24]: df2 = pd.DataFrame('database' : ['db2', 'db3', 'db4'])                                                                                                                                                            

In [25]: df1                                                                                                                                                                                                                 
Out[25]: 
  database
0      db1
1      db2
2      db3

In [26]: df2                                                                                                                                                                                                                 
Out[26]: 
  database
0      db2
1      db3
2      db4

我想要输出的是这种格式的数据框：

Out[45]: 
  database database
0      db1         
1      db2      db2
2      db3      db3
3               db4

我设法以这种格式获得它：

df1.index = df1.database.values.ravel()
df2.index = df2.database.values.ravel()
pd.concat([df1, df2], axis=1).fillna('').reset_index(drop=True)                                                                                                                                                              

但我认为必须有比这个带有 ravel() 函数的技巧更好的解决方案。

【参考方案1】：

将DataFrame.set_index 与drop=False 一起使用：

df = (pd.concat([df1.set_index('database', drop=False), 
                 df2.set_index('database', drop=False)], axis=1)
        .fillna('')
        .reset_index(drop=True))
print (df)
  database database
0      db1         
1      db2      db2
2      db3      db3
3               db4

更多动态解决方案list comprehension:

dfs = [df, df1, df2]
dfs1 = [x.set_index('database', drop=False) for x in dfs]
df = (pd.concat(dfs1, axis=1)
        .fillna('')
        .reset_index(drop=True))
print (df)
  database database database
0      db1      db1         
1      db2      db2      db2
2      db3      db3      db3
3                        db4

【参考方案2】：

您可以创建一个系列并将其作为一行附加到您的数据框中，然后将第二列移动 1。这是一个示例：

df = pd.concat([df1, df2], axis = 1)
import numpy as np
s = pd.Series([np.NaN, np,NaN], index = ['database', 'database1'])
df.append(s, ignore_index = True)
df['database1'] = df['database1'].shift(1)
df.fillna('')

这将产生预期的输出。希望这会有所帮助！