pandas-合并并唯一重命名具有相同列名的两个数据帧的列_Pandas_Dataframe_Merge

pandas-合并并唯一重命名具有相同列名的两个数据帧的列

pandas dataframe merge

pandas-合并并唯一重命名具有相同列名的两个数据帧的列,pandas,dataframe,merge,Pandas,Dataframe,Merge,我有两个数据帧，如下所示： dataframeA bagle scom others 111 222 333 111 222 333 dataframeB bagle scom others 444 555 666 444 555 666 我想将dataframeA和dataframeB（相同列的名称）合并到：我该怎么办？我想您不想只得到这个特定的结果，而是想得到一个更通用的解决方案，您需要：合并具有相似列名的2个DFs 通过相似性重新排序列的位置保留原始外部顺

我有两个数据帧，如下所示：

dataframeA
bagle scom others
111   222  333
111   222  333

dataframeB
bagle scom others
444   555  666
444   555  666

我想将dataframeA和dataframeB（相同列的名称）合并到：

我该怎么办？

我想您不想只得到这个特定的结果，而是想得到一个更通用的解决方案，您需要：

合并具有相似列名的2个DFs

通过相似性重新排序列的位置

保留原始外部顺序（bagle、scom、其他）-此处使用的要点要求python>=3.7（其中OrderedDict键插入顺序得到保证）

使用某种滚动命名约定重命名类似的列（这里我使用了A-Z约定，明显的限制是跨越Z…）

代码如下：

import numpy as np
import pandas as pd
from collections import OrderedDict


# create the DFs
df_1 = pd.DataFrame({'bagle': [111, 111], 'scom': [222, 222], 'others': [333, 333]})
df_2 = pd.DataFrame({'bagle': [444, 444], 'scom': [555, 555], 'others': [666, 666]})

# concat them horizontally
df_3 = pd.concat([df_1, df_2], axis=1)
columns = df_3.columns

# unique list for the builtin pandas renaming to work with similar names
unique_columns = list(OrderedDict.fromkeys(columns))

# final renaming
columns_fixed = [ chr(65 + i) for i in range(len(columns)) ]

# pandas-re-ordering columns before renaming
df_3 = df_3[unique_columns]

# the actual renaming to char-based
df_3.columns = columns_fixed
df_3

##############################
    A   B   C   D   E   F
0   111 444 222 555 333 666
1   111 444 222 555 333 666

参考资料：

内置函数

我假设您不想只得到这个特定的结果，而是想得到一个更通用的解决方案，其中要求您：