pandas 根据指定列合并多个dataframe

可以使用 pandas 的 merge() 函数根据指定列合并多个 dataframe。

例如，假设我们有三个 dataframe，每个 dataframe 包含学生的姓名和年龄信息：

df1:

| 姓名 | 年龄 |
|---|---|
| 小明 | 20 |
| 小红 | 18 |

df2:

| 姓名 | 年龄 |
|---|---|
| 小明 | 20 |
| 小张 | 19 |

df3:

| 姓名 | 年龄 |
|---|---|
| 小明 | 20 |
| 小李 | 21 |

我们可以按照姓名这一列，将这三个 dataframe 合并成一个包含所有学生的姓名和年龄信息的 dataframe：

df = pd.merge(df1, df2, on='姓名', how='outer')
df = pd.merge(df, df3, on='姓名', how='outer')

使用 outer 合并方式，可以保留所有学生信息，如果学生在某个数据表中不存在，则填充 NaN。

最终得到的 dataframe 如下所示：

| 姓名 | 年龄_x | 年龄_y | 年龄 |
|---|---|---|---|
| 小明 | 20.0 | 20.0 | 20.0 |
| 小红 | 18.0 | NaN | NaN |
| 小张 | NaN | 19.0 | NaN |
| 小李 | NaN | NaN | 21.0 |

相关问题

pandas合并多个dataframe

Pandas提供了几种合并多个DataFrame的方法，包括concat、merge和join。

- Concat: 用于沿着纵轴（行）将多个DataFrame连接起来。

- Merge: 用于在两个DataFrame之间按照一个或多个键进行连接。

- Join: 用于在两个DataFrame之间按照索引进行连接。

例如:

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']},
                    index=[0, 1, 2, 3])
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']},
                    index=[4, 5, 6, 7])
df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
                    'B': ['B8', 'B9', 'B10', 'B11'],
                    'C': ['C8', 'C9', 'C10', 'C11'],
                    'D': ['D8', 'D9', 'D10', 'D11']},
                    index=[8, 9, 10, 11])

result = pd.concat([df1, df2, df3])

通过pd.concat([df1, df2, df3])就能合并这三个dataframe.

pandas怎么合并多个dataframe

Pandas库提供了多种方法来合并多个DataFrame。以下是一些常见的合并方式：

1. **concat()**：这是最基础的合并方式，它将数据框沿着一个轴水平堆叠起来。例如：

   df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'], 'B': [1, 2, 3]})
   df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6'], 'B': [4, 5, 6]})

   merged_df = pd.concat([df1, df2], ignore_index=True)  # 默认按行拼接

2. **merge()**：用于基于一个或多个键列进行连接，适合于有关联列的数据。例如，内连接（默认）：

   merged_df = pd.merge(df1, df2, on='A')  # 合并两个DataFrame，依据'A'列

还支持外连接、左连接和右连接等。

3. **join()**：这是对`merge()`的一个简单封装，适用于索引列相匹配的情况，也支持`inner`, `outer`, `left`, `right`等连接类型。

4. **pd.concat() + dict 或 DataFrame列表**：如果要合并多个DataFrame，可以用字典或列表存储它们，然后一次性传给`concat()`：

   dfs = {'df1': df1, 'df2': df2}
   combined_df = pd.concat(dfs.values(), axis=0, keys=dfs.keys())