如何基于索引合并两个 Pandas DataFrame？

---

在许多数据分析场景中，基于索引合并两个 Pandas DataFrame 非常有用。例如，您可能有两个具有不同特征或数据点的数据集，但它们都共享一个公共索引。在这种情况下，合并这两个 DataFrame 可以帮助您以有意义的方式组合数据。

在本文中，我们将学习如何在 Python 中基于索引合并两个 Pandas DataFrame。我们将逐步介绍合并过程中涉及的所有步骤，并通过代码示例说明每个步骤。

什么是 Pandas 中的 DataFrame？

DataFrame 是 Pandas 库中最关键的数据结构之一。类似于电子表格、SQL 表或 Series 对象的字典，它是一个带标签的二维数据结构，其列可以具有不同的类型。作为 Pandas 的主要数据结构，它被广泛用于数据操作、数据清理和分析。

DataFrame 由行和列组成，其中每一列可以具有不同的数据类型（例如，int、float、string 等）。由于每一行和每一列都带有标签，因此可以轻松访问和操作数据。行名称为索引，列名称为列。

在 Python 中使用 Pandas 合并两个 DataFrame 的步骤

步骤 1：导入模块

在 Python 中使用 pandas 合并两个 DataFrame 的第一步是导入所需的模块，例如 pd。在本例中，我们将使用 Pandas 进行数据处理和合并，以及 NumPy 进行一些操作。以下是导入模块的语法：

import pandas as pd
import numpy as np

步骤 2：创建示例 DataFrame

下一步是创建一些示例 DataFrame 以使用 pandas 合并它们。为了本例的目的，我们将创建两个带有随机数据的示例 DataFrame，其中这两个 DataFrame 将具有相同的索引，但列不同。以下是创建示例 DataFrame 的语法：

# Creating two DataFrames having the same index
mydf1 = pd.DataFrame({'First': [10, 20, 30], 'Second': [40, 50, 60]}, index=['a', 'b', 'c'])
mydf2 = pd.DataFrame({'Third': [70, 80, 90], 'Four': [100, 110, 120]}, index=['a', 'b', 'c'])

步骤 3：基于索引合并

我们的下一步是基于索引合并这两个 DataFrame，为此我们将使用 merge() 函数并将 left_index 和 right_index 参数设置为 True。这将确保基于 DataFrame 的索引进行合并。

# Merge DataFrames on index
merged_df = pd.merge(df1, df2, left_index=True, right_index=True)
print(merged_df)

在上面合并的 DataFrame 中，我们可以看到来自两个 DataFrame 的列已合并，并且数据点已基于公共索引进行匹配。

步骤 4：合并具有不同索引的 DataFrame

如果两个 DataFrame 具有不同的索引，我们仍然可以通过使用 join() 函数基于索引合并它们。我们可以将 how 参数指定为 outer 以包含来自两个 DataFrame 的所有行，并将 on 参数指定为 index 以基于索引合并。

# Creating two DataFrames having the same index
mydf1 = pd.DataFrame({'First': [10, 20, 30], 'Second': [40, 50, 60]}, index=['a', 'b', 'c'])
mydf2 = pd.DataFrame({'Third': [70, 80, 90], 'Four': [100, 110, 120]}, index=['a', 'b', 'c'])

# Merging the DataFrames on index using join() function
mymerged_df = mydf1.join(mydf2)

# Print the merged DataFrame
print(mymerged_df)

就是这样！现在，我们将看到一些使用不同方法基于索引合并两个 pandas DataFrame 的示例。

示例 1：使用 Merge() 函数

在给定的示例中，我们使用了 merge() 函数在 Python 中基于索引合并两个 DataFrame。在这里，我们创建了两个 DataFrame mydf1 和 mydf2，它们具有相同的索引。然后，我们使用 merge() 函数基于它们的索引合并 DataFrame。合并两个 DataFrame 后，我们将结果 DataFrame 另存为 mymerged_df，它包含来自两个 DataFrame 的列，并基于它们的索引进行组合。

import pandas as pd

# Creating two DataFrames having the same index
mydf1 = pd.DataFrame({'First': [10, 20, 30], 'Second': [40, 50, 60]}, index=['a', 'b', 'c'])
mydf2 = pd.DataFrame({'Third': [70, 80, 90], 'Four': [100, 110, 120]}, index=['a', 'b', 'c'])

# Merging the DataFrames on index using merge() function
mymerged_df = pd.merge(mydf1, mydf2, left_index=True, right_index=True)

# Print the merged DataFrame
print(mymerged_df)

输出

   First  Second  Third  Four
a     10      40     70   100
b     20      50     80   110
c     30      60     90   120

示例 2：使用 Join() 函数

在给定的示例中，我们使用了 join() 函数在 Python 中基于索引合并两个 DataFrame。在这里，我们创建了两个 DataFrame mydf1 和 mydf2，它们具有不同的索引。然后，我们使用 join() 函数基于它们的索引合并 DataFrame。合并两个 DataFrame 后，我们将结果 DataFrame 另存为 mymerged_df，它包含来自两个 DataFrame 的列，并基于它们的索引进行组合。但是，在两个 DataFrame 中都不存在的行对于缺少的列具有 NaN 值。

import pandas as pd

# Creating two DataFrames having the same index
mydf1 = pd.DataFrame({'First': [10, 20, 30], 'Second': [40, 50, 60]}, index=['a', 'b', 'c'])
mydf2 = pd.DataFrame({'Third': [70, 80, 90], 'Four': [100, 110, 120]}, index=['a', 'b', 'c'])

# Merging the DataFrames on index using join() function
mymerged_df = mydf1.join(mydf2)

# Print the merged DataFrame
print(mymerged_df)

输出

   First  Second  Third  Four
a     10      40     70   100
b     20      50     80   110
c     30      60     90   120

示例 3：使用 Concat() 函数

在给定的示例中，我们使用了 concat() 函数在 Python 中基于索引合并两个 DataFrame。在这里，我们使用 concat() 函数合并 DataFrame。通过指定 axis=1，我们将 DataFrame 水平连接，组合列。结果 DataFrame mymerged_df 包含来自两个 DataFrame 的列，并基于它们的索引进行组合。

示例

import pandas as pd

# Creating two DataFrames having the same index
mydf1 = pd.DataFrame({'First': [10, 20, 30], 'Second': [40, 50, 60]}, index=['a', 'b', 'c'])
mydf2 = pd.DataFrame({'Third': [70, 80, 90], 'Four': [100, 110, 120]}, index=['a', 'b', 'c'])

# Merging the DataFrames on index using concat() function
mymerged_df = pd.concat([mydf1, mydf2], axis=1)

# Print the merged DataFrame
print(mymerged_df)

输出

   First  Second  Third  Four
a     10      40     70   100
b     20      50     80   110
c     30      60     90   120

结论

在本文中，我们学习了如何基于索引组合两个 Pandas DataFrame。当两个数据集共享一个公共索引但具有不同的特征或数据点时，基于索引合并两个 Pandas DataFrame 在各种数据分析场景中都很有用。Pandas 库使合并 DataFrame 变得简单有效，可以使用 merge() 和 join() 等各种函数。来自两个 DataFrame 的列被组合到最终的 DataFrame 中，基于它们的索引。DataFrame 是一个二维带标签的数据结构，具有行和列，其中每一列可以具有不同的数据类型，并且行和列都已命名。