Pandas 合并两个具有不同列的数据框

Question

我肯定漏掉了一些简单的东西。尝试合并 pandas 中的两个数据框，它们的列名几乎相同，但右侧数据框有一些左侧没有的列，反之亦然。

>df_may

  id  quantity  attr_1  attr_2
0  1        20       0       1
1  2        23       1       1
2  3        19       1       1
3  4        19       0       0

>df_jun

  id  quantity  attr_1  attr_3
0  5         8       1       0
1  6        13       0       1
2  7        20       1       1
3  8        25       1       1

我试过使用外部连接进行连接：

mayjundf = pd.DataFrame.merge(df_may, df_jun, how="outer")

但这会产生：

Left data columns not unique: Index([....

我还指定了要加入的单个列（例如，on = "id"），但它复制了除 id 之外的所有列，如 attr_1_x、attr_1_y、这并不理想。我还将整个列列表（有很多）传递给 on:

mayjundf = pd.DataFrame.merge(df_may, df_jun, how="outer", on=list(df_may.columns.values))

产生：

ValueError: Buffer has wrong number of dimensions (expected 1, got 2)

我错过了什么？我想要一个附加了所有行的 df，并在可能的情况下填充 attr_1、attr_2、attr_3，在不显示的地方填充 NaN。这似乎是一个非常典型的数据处理工作流程，但我被卡住了。

提前致谢。

Answer 1

我认为在这种情况下 concat 是您想要的：

In [12]:

pd.concat([df,df1], axis=0, ignore_index=True)
Out[12]:
   attr_1  attr_2  attr_3  id  quantity
0       0       1     NaN   1        20
1       1       1     NaN   2        23
2       1       1     NaN   3        19
3       0       0     NaN   4        19
4       1     NaN       0   5         8
5       0     NaN       1   6        13
6       1     NaN       1   7        20
7       1     NaN       1   8        25

通过在此处传递 axis=0，您将 df 堆叠在一起，我相信这是您想要的，然后在它们各自的 df 中不存在的地方产生 NaN 值。

Answer 2

我今天在使用 concat、append 或 merge 中的任何一个时遇到了这个问题，我通过添加一个按顺序编号的辅助列然后进行外部连接来解决这个问题

helper=1
for i in df1.index:
    df1.loc[i,'helper']=helper
    helper=helper+1
for i in df2.index:
    df2.loc[i,'helper']=helper
    helper=helper+1
df1.merge(df2,on='helper',how='outer')

Answer 3

已接受的答案将中断 :

InvalidIndexError: Reindexing only valid with uniquely valued Index objects.

例如，此处 A 有 3x trial 列，这会阻止 concat:

A = pd.DataFrame([[3, 1, 4, 1]], columns=['id', 'trial', 'trial', 'trial'])
#    id  trial  trial  trial
# 0   3      1      4      1

B = pd.DataFrame([[5, 9], [2, 6]], columns=['id', 'trial'])
#    id  trial
# 0   5      9
# 1   2      6

pd.concat([A, B], ignore_index=True)
# InvalidIndexError: Reindexing only valid with uniquely valued Index objects

要解决此问题，删除重复的列名称 之前 concat:

parser = pd.io.parsers.base_parser.ParserBase({'usecols': None})

for df in [A, B]:
    df.columns = parser._maybe_dedup_names(df.columns) 

pd.concat([A, B], ignore_index=True)
#    id  trial  trial.1  trial.2
# 0   3      1        4        1
# 1   5      9      NaN      NaN
# 2   2      6      NaN      NaN

或单行但可读性较差：

pd.concat([df.set_axis(parser._maybe_dedup_names(df.columns), axis=1) for df in [A, B]], ignore_index=True)

请注意，对于 pandas <1.3.0，请使用：parser = pd.io.parsers.ParserBase({})

Pandas 合并两个具有不同列的数据框

Pandas merge two dataframes with different columns

python

pandas

dataframe

data-munging