Python 使用Pandas合并具有不同维度的多个数据帧
我有以下数据帧(实际上它们超过3个) 我想做的是根据Python 使用Pandas合并具有不同维度的多个数据帧,python,pandas,Python,Pandas,我有以下数据帧(实际上它们超过3个) 我想做的是根据head列合并它们。当一个数据帧中不存在ahead的值时,我们会将其分配为NA 最后会是这样的: head1 head2 head3 ------------------------------- foo 11 1 NA bix 22 NA NA bar 32 3 100 xoo NA 2 20
head
列合并它们。当一个数据帧中不存在ahead
的值时,我们会将其分配为NA
最后会是这样的:
head1 head2 head3
-------------------------------
foo 11 1 NA
bix 22 NA NA
bar 32 3 100
xoo NA 2 20
qux NA 10 NA
如何使用Pandas实现这一点?您可以使用选择轴=1来连接多个数据帧
但是请注意,我首先设置了df1、df2、df3
的索引,以使用变量(foo、bar等),而不是默认整数
import pandas as pd
df1 = pd.DataFrame({'head1': ['foo', 'bix', 'bar'],'val': [11, 22, 32]})
df2 = pd.DataFrame({'head2': ['foo', 'xoo', 'bar','qux'],'val': [1, 2, 3,10]})
df3 = pd.DataFrame({'head3': ['xoo', 'bar',],'val': [20, 100]})
df1 = df1.set_index('head1')
df2 = df2.set_index('head2')
df3 = df3.set_index('head3')
df = pd.concat([df1, df2, df3], axis = 1)
columns = ['head1', 'head2', 'head3']
df.columns = columns
print(df)
head1 head2 head3
bar 32 3 100
bix 22 NaN NaN
foo 11 1 NaN
qux NaN 10 NaN
xoo NaN 2 20
import pandas as pd
df1 = pd.DataFrame({'head1': ['foo', 'bix', 'bar'],'val': [11, 22, 32]})
df2 = pd.DataFrame({'head2': ['foo', 'xoo', 'bar','qux'],'val': [1, 2, 3,10]})
df3 = pd.DataFrame({'head3': ['xoo', 'bar',],'val': [20, 100]})
df1 = df1.set_index('head1')
df2 = df2.set_index('head2')
df3 = df3.set_index('head3')
df = pd.concat([df1, df2, df3], axis = 1)
columns = ['head1', 'head2', 'head3']
df.columns = columns
print(df)
head1 head2 head3
bar 32 3 100
bix 22 NaN NaN
foo 11 1 NaN
qux NaN 10 NaN
xoo NaN 2 20