Skip to main content
 首页 » 编程设计

python之Pandas 合并 : merge two dataframes on same column but keep different columns

2024年12月31日10telwanggs

我有两个 pandas 数据框,它们共享一个公共(public)列名。我想合并公共(public)列名,但保留第二个 dataFrame 中公共(public)列名匹配的所有不同列。这是两个数据帧的示例:

DF1: 
    A      B      C     D     E      F      G     H 
    value value   value value value value  value value 
    value value   value value value value  value value 
    value value   value value value value  value value 
    etc. 
 
 
DF2: 
      A     I     J     K     L 
    value value value value value 
    value value value value value 
    value value value value value 

我希望的预期结果是:

Result: 
 
      A      B       C     D     E     F      G     H     I     J     K     L 
    value  value   value value value value  value value value value value value 
    value  value   value value value value  value value value value value value 
    value  value   value value value value  value value value value value value 

也就是说,在“A”列上有匹配项的情况下,我希望保留 I、J、K、L 的行并且不等于“NaN”,对于 DF1 中的列也是如此。

我已经尝试了所有 pd.merge 选项,但它们似乎没有按照我上面的要求进行操作。例如,

pd.merge(DF1, DF2, on='A', how='left')  

匹配 'A' 并将所有键保留在左侧,但不是来自第二个数据帧。我知道这是它应该做的,但这不是我想要的。类似地,how='right' 的作用相同,但会保留右侧的所有键,并用“NaNs”填充左侧的所有键。 “外部”似乎也没有做我想做的事情,因为它只是将所有内容粘在一起并用 NaN 填充所有不相似的列。

另请注意,DF1 和 DF2 的索引顺序不同。

任何人都可以为我提供一条前进的道路吗?谢谢!

请您参考如下方法:

如果你有

设置

z=io.StringIO("""    A      B      C     D     E      F      G     H 
    value2 value2   value2 value2 value2 value2  value2 value2 
    value3 value3   value3 value3 value3 value3  value3 value3 
    value value   value value value value  value value""") 
 
df = pd.read_table(z, delim_whitespace=True) 
 
z2=io.StringIO("""      A     I     J     K     L 
    value value value value value 
    value2 value2 value2 value2 value2 
    value3 value3 value3 value3 value3""") 
 
df2=pd.read_table(z2,delim_whitespace=True) 

然后

pd.merge(df,df2, on="A",right_index=True, left_index=True) 
 
 
    A       B       C       D       E       F       G       H       I       J       K       L 
0   value   value   value   value   value   value   value   value   value   value   value   value 
1   value   value   value   value   value   value   value   value   value   value   value   value 
2   value   value   value   value   value   value   value   value   value   value   value   value 

要按照您描述的方式匹配索引,

pd.merge(df.set_index("A"),df2.set_index("A"), right_index=True, left_index=True).reset_index() 
 
    A       B       C       D       E       F       G       H      I        J       K       L 
0   value2  value2  value2  value2  value2  value2  value2  value2  value2  value2  value2  value2 
1   value3  value3  value3  value3  value3  value3  value3  value3  value3  value3  value3  value3 
2   value   value   value   value   value   value   value   value   value   value   value   value