如何使用merge函数合并两个数据帧中的公共值？

我有两个数据帧，我想在列“Id”上合并

df1：

Id   Reputation
 1     10
 3     5
 4     40

df2：

Id   Reputation
 1     10
 2     5
 3     5
 6     55

我希望输出为：

数据输出：

Id    Reputation
1       10
2       5
3       5
4       40
6       55

我希望保留两个df的所有值，但将重复值合并为一个。我知道我必须使用merge（）函数，但我不知道要传递哪些参数。

您可以，

Id

，然后通过获取每组中的第一项进行聚合

In [62]: pd.concat([df1,df2]).groupby('Id').first()
Out[62]: 
    Reputation
Id            
1           10
2            5
3            5
4           40
6           55

[5 rows x 1 columns]

或者，要将

Id

保留为列而不是索引，请使用

as_index=False

：

In [68]: pd.concat([df1,df2]).groupby('Id', as_index=False).first()
Out[68]: 
   Id  Reputation
0   1          10
1   2           5
2   3           5
3   4          40
4   6          55

[5 rows x 2 columns]

---

卡尔德。提出了一个好主意；使用：

对于大型数据帧，此解决方案似乎更快：

import pandas as pd
import numpy as np

N = 10**6
df1 = pd.DataFrame({'Id':np.arange(N), 'Reputation': np.random.randint(5, size=N)})
df2 = pd.DataFrame({'Id':np.arange(10, 10+N), 'Reputation':np.random.randint(5, size=N)})

---

您可以，

Id

，然后通过获取每组中的第一项进行聚合

In [62]: pd.concat([df1,df2]).groupby('Id').first()
Out[62]: 
    Reputation
Id            
1           10
2            5
3            5
4           40
6           55

[5 rows x 1 columns]

或者，要将

Id

保留为列而不是索引，请使用

as_index=False

：

In [68]: pd.concat([df1,df2]).groupby('Id', as_index=False).first()
Out[68]: 
   Id  Reputation
0   1          10
1   2           5
2   3           5
3   4          40
4   6          55

[5 rows x 2 columns]

---

卡尔德。提出了一个好主意；使用：

对于大型数据帧，此解决方案似乎更快：

import pandas as pd
import numpy as np

N = 10**6
df1 = pd.DataFrame({'Id':np.arange(N), 'Reputation': np.random.randint(5, size=N)})
df2 = pd.DataFrame({'Id':np.arange(10, 10+N), 'Reputation':np.random.randint(5, size=N)})

---

---

这是可行的，但如何使输出为[5行X 2列]？我想保留Id列。当我执行此操作时，它消失了也许，我误解了问题，但您不能先使用

combine\u

（如果您将

Id

设置为索引）来执行此操作吗。所以：

df1.combined_first（df2）

@KarlD.：我原以为使用

set_index

和

reset_index

会让速度变得相当慢，但事实上，对于大数据帧，您的想法似乎更快。您想把它作为一个解决方案吗？谢谢unutbu，我认为不需要单独的解决方案。因此，如果您认为combine first是一个有用的替代方案，请随意添加它。这很有效，但是如何使输出为[5行X 2列]？我想保留Id列。当我执行此操作时，它消失了也许，我误解了问题，但您不能先使用

combine\u

（如果您将

Id

设置为索引）来执行此操作吗。所以：

df1.combined_first（df2）

@KarlD.：我原以为使用

set_index

和

reset_index

会让速度变得相当慢，但事实上，对于大数据帧，您的想法似乎更快。您想把它作为一个解决方案吗？谢谢unutbu，我认为不需要单独的解决方案。因此，如果您认为combine first是一个有用的选择，请随意添加它