基于公共列合并多个数据框[重复]

Posted 2023-02-23

【中文标题】基于公共列合并多个数据框[重复]

【英文标题】：Merge multiple dataframes based on a common column [duplicate]

【发布时间】：2019-02-12 20:05:37

【问题描述】：

我有三个数据框。它们都有一个公共列，我需要根据公共列合并它们，而不会丢失任何数据

输入

>>>df1 0 列 1 列 2 列 3 1 个数据 1 3 4 2 数据2 4 3 3 数据 3 2 3 4 数据4 2 4 5 个数据 5 1 4 >>>df2 0 列 1 列 4 列 5 1 个数据 1 7 4 2 数据 2 6 9 3 数据 3 1 4 >>>df3 0 列 1 列 6 列 7 1 个数据 2 5 8 2 数据 3 2 7 3 数据 5 5 3

预期输出

>>>df 0 列 1 列 2 列 3 列 4 列 5 列 6 列 7 1 个数据 1 3 4 7 4 2 个数据 2 4 3 6 9 5 8 3 数据 3 2 3 1 4 2 7 4 数据4 2 4 5 个数据 5 1 4 5 3

【问题讨论】：

请根据您在研究中的发现展示您的尝试，我们可以解释为什么它没有按预期工作。

我已经这样做了，但是有些行丢失了dfs = [df3,df1,df2] df_final = reduce(lambda left,right: pd.merge(left,right,on='Col1'), dfs)

df = pd.concat([df1,df2,df3],axis=1,sort=False).reset_index() df.rename(columns = 'index':'Col1')

【参考方案1】：

你可以的

df1.merge(df2, how='left', left_on='Col1', right_on='Col1').merge(df3, how='left', left_on='Col1', right_on='Col1')

【讨论】：

如果我的列超过 3 列，是否需要扩展该链？

查看@Zero 的解决方案，了解一种无需显式链接合并的方法

是的，我知道了，即使@Sandeep 的回答也很好

【参考方案2】：

在这里试试这行代码：

 df.set_index('key').join(df2.set_index('key'))

您可以查看“密钥”上的文档以正确引用您的代码。 https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.join.html

将“键”设置为您希望与其余列合并的列！

希望这会有所帮助。

【参考方案3】：

使用pd.concat：

df1.set_index('Col1',inplace=True)
df2.set_index('Col1',inplace=True)
df3.set_index('Col1',inplace=True)
df = pd.concat([df1,df2,df3],axis=1,sort=False).reset_index()
df.rename(columns = 'index':'Col1')

    Col1    Col2    Col3    Col4    Col5    Col6    Col7
0   data1   3       4       7.0     4.0     NaN     NaN
1   data2   4       3       6.0     9.0     5.0     8.0
2   data3   2       3       1.0     4.0     2.0     7.0
3   data4   2       4       NaN     NaN     NaN     NaN
4   data5   1       4       NaN     NaN     5.0     3.0

【讨论】：

Traceback (most recent call last): File "extraction.py", line 291, in <module> df_final = pd.concat([df0,df1,df2,df3,df4,df5,df6,df7],axis=1,sort=False).reset_index(drop=True) TypeError: concat() got an unexpected keyword argument 'sort'

@FunnyCoder 该错误可能是由于pandas 我的版本是'0.23.4'。如果您的年龄较大，请删除 sort=False 并尝试。 pandas=0.23.0中增加了sort参数。

我的版本是0.18.1. 删除了排序参数并且工作正常。

【参考方案4】：

使用merge 和reduce

In [86]: from functools import reduce

In [87]: reduce(lambda x,y: pd.merge(x,y, on='Col1', how='outer'), [df1, df2, df3])
Out[87]:
    Col1  Col2  Col3  Col4  Col5  Col6  Col7
0  data1     3     4   7.0   4.0   NaN   NaN
1  data2     4     3   6.0   9.0   5.0   8.0
2  data3     2     3   1.0   4.0   2.0   7.0
3  data4     2     4   NaN   NaN   NaN   NaN
4  data5     1     4   NaN   NaN   5.0   3.0

---

详情

In [88]: df1
Out[88]:
    Col1  Col2  Col3
0  data1     3     4
1  data2     4     3
2  data3     2     3
3  data4     2     4
4  data5     1     4

In [89]: df2
Out[89]:
    Col1  Col4  Col5
0  data1     7     4
1  data2     6     9
2  data3     1     4

In [90]: df3
Out[90]:
    Col1  Col6  Col7
0  data2     5     8
1  data3     2     7
2  data5     5     3

【讨论】：

我得到了新的列名；公共列的名称正确，但其余列的名称更改为 value_x、value_y、value_x ...