小开

最佳答案

使用merge，它默认是一个内部连接:

pd.merge(df1, df2, left_index=True, right_index=True)

或join，默认为左连接:

df1.join(df2)

或concat)，默认情况下是一个外部连接:

pd.concat([df1, df2], axis=1)

样品:

df1 = pd.DataFrame({'a':range(6),
'b':[5,3,6,9,2,4]}, index=list('abcdef'))


print (df1)
a  b
a  0  5
b  1  3
c  2  6
d  3  9
e  4  2
f  5  4


df2 = pd.DataFrame({'c':range(4),
'd':[10,20,30, 40]}, index=list('abhi'))


print (df2)
c   d
a  0  10
b  1  20
h  2  30
i  3  40

# Default inner join
df3 = pd.merge(df1, df2, left_index=True, right_index=True)
print (df3)
a  b  c   d
a  0  5  0  10
b  1  3  1  20


# Default left join
df4 = df1.join(df2)
print (df4)
a  b    c     d
a  0  5  0.0  10.0
b  1  3  1.0  20.0
c  2  6  NaN   NaN
d  3  9  NaN   NaN
e  4  2  NaN   NaN
f  5  4  NaN   NaN


# Default outer join
df5 = pd.concat([df1, df2], axis=1)
print (df5)
a    b    c     d
a  0.0  5.0  0.0  10.0
b  1.0  3.0  1.0  20.0
c  2.0  6.0  NaN   NaN
d  3.0  9.0  NaN   NaN
e  4.0  2.0  NaN   NaN
f  5.0  4.0  NaN   NaN
h  NaN  NaN  2.0  30.0
i  NaN  NaN  3.0  40.0

小开

你可以使用Concat [df1, df2，…]),轴= 1)来连接两个或多个按索引对齐的DFs:

pd.concat([df1, df2, df3, ...], axis=1)

或合并用于自定义字段/索引的连接:

# join by _common_ columns: `col1`, `col3`
pd.merge(df1, df2, on=['col1','col3'])


# join by: `df1.col1 == df2.index`
pd.merge(df1, df2, left_on='col1' right_index=True)

或加入通过索引连接:

 df1.join(df2)

小开

如果你想在Pandas中连接两个数据帧，你可以简单地使用可用的属性，如merge或concatenate。

例如，如果我有两个数据框架df1和df2，我可以通过以下方式连接它们:

newdataframe = merge(df1, df2, left_index=True, right_index=True)

小开

一个愚蠢的错误让我:连接失败，因为索引dtypes不同。这并不明显，因为两个表都是同一个原始表的数据透视表。在reset_index之后，Jupyter中的索引看起来是相同的。只有在保存到Excel时才会发现……

我用:df1[['key']] = df1[['key']].apply(pd.to_numeric)修复了它

希望这能为某人节省一个小时!

小开

在默认情况下: join是按列左连接
pd.merge是一个列级内连接
pd.concat是一个逐行的外部连接

pd.concat: 接受Iterable参数。因此，它不能直接获取数据帧(使用[df,df2])
DataFrame的尺寸应该沿着轴

匹配

Join和pd.merge:
DataFrame参数

小开

这个答案已经解决了一段时间，所有可用的选择已经存在了。然而，在这个回答中，我将尝试详细介绍这些选项，以帮助您了解何时应该使用什么。

这篇文章将讨论以下主题:

在不同条件下与索引合并
- 基于索引的连接选项:merge， join， concat
- 在索引上合并
- 在一个的下标和另一个的列上合并
有效地使用命名索引简化合并语法

基于索引连接

博士TL;

有一些选项，根据使用情况，有些比其他的更简单例子。

带有left_index和right_index的< >强DataFrame.merge < / >强(或使用命名索引的left_on和right_on)

< >强DataFrame.join < / >强(在索引上连接)

< >强pd.concat < / >强(在索引上连接)

< / th > 优点< / th > >弊 merge td > < /

•支持内/左/右/全连接
•支持列-列，索引-列，索引-索引连接

•一次只能加入两个帧

join td > < /

•支持内/左(默认)/右/满
•可以同时加入多个数据帧

•仅支持索引-索引连接

concat td > < /

•专门在一次连接多个数据帧
•非常快(连接是线性时间)

•仅支持内/全连接(默认)
•仅支持索引-索引连接

人力资源/ > < / div > <

索引到索引连接

通常，索引上的内连接看起来像这样:

left.merge(right, left_index=True, right_index=True)

其他类型的连接(左、右、外)遵循类似的语法(并且可以使用how=...来控制)。

著名的替代品

DataFrame.join默认为索引上的左外连接。
```
 left.join(right, how='inner',)
```
如果你碰巧得到ValueError: columns overlap but no suffix specified，你将需要指定lsuffix和rsuffix=参数来解决这个问题。由于列名相同，因此需要一个区分后缀。
pd.concat在索引上连接，并且可以一次连接两个或多个dataframe。默认情况下，它执行完整的外部连接。
```
 pd.concat([left, right], axis=1, sort=False)
```
有关concat的更多信息，请参见这篇文章。

索引到列的连接

要使用左索引、右列来执行内部连接，您将使用DataFrame.merge (left_index=True和right_on=...的组合)。

left.merge(right, left_index=True, right_on='key')

其他连接遵循类似的结构。注意只有 merge可以执行索引到列的连接。可以在多个级别/列上连接，前提是左侧的索引级别数量等于右侧的列数量。

join和concat不能进行混合合并。您需要使用DataFrame.set_index将索引设置为前置步骤。

^{这篇文章是我工作的删节版熊猫合并101。请点击此链接获取更多关于合并的示例和其他主题。}

小开

你可以尝试以下几种方法来合并/加入你的dataframe。

merge(默认为内部连接)

df = pd.merge(df1, df2, left_index=True, right_index=True)
join(默认左连接)

df = df1.join(df2)
concat(默认为外部连接)

df = pd.concat([df1, df2], axis=1)

根据索引合并两个数据帧

基于索引连接

博士TL;

索引到索引连接

索引到列的连接