Python 将列上的Dataframe与结构化数据合并

场景：继上一个关于如何将excel文件从服务器读取到数据框（）的问题之后，我正在尝试合并多个数据框（其中包含excel工作表中的数据）的上下文

问题：即使在SO中搜索了类似的问题，我仍然无法解决问题

数据格式（每张图纸都读入一个数据框）：

Sheet 1 (db1)
Name       CUSIP       Date       Price

 A          XXX     01/01/2001     100
 B          AAA     02/05/2005      90
 C          ZZZ     03/07/2006      95

Sheet2 (db2)
Ident      CUSIP       Value      Class

 123        XXX          0.5        AA
 444        AAA          1.3        AB
 555        ZZZ          2,8        AC

通缉输出（fnl）：

我已经尝试过的：我正在尝试使用merge函数来匹配每个数据帧，但是我在“如何”部分遇到了错误

我也尝试了连接，但是我只得到了一个数据帧列表，而不是一个输出

wsframes = [db1 ,db2, db3]

fnl = pd.concat(wsframes, axis=1)

问题：执行此操作的正确方法是什么？

您似乎需要：

from functools import reduce
#many dataframes
dfs = [df1,df2]
df = reduce(lambda x, y: x.merge(y, on='CUSIP', how='outer'), dfs)
print (df)
  Name CUSIP        Date  Price  Ident Value Class
0    A   XXX  01/01/2001    100    123   0.5    AA
1    B   AAA  02/05/2005     90    444   1.3    AB
2    C   ZZZ  03/07/2006     95    555   2,8    AC

但是每个数据帧中的列必须不同（没有匹配的列（

CUSIP

此处）），否则会得到

\ux

和

\uy

后缀：

dfs = [df1,df1, df2]
df = reduce(lambda x, y: x.merge(y, on='CUSIP', how='outer'), dfs)
print (df)
  Name_x CUSIP      Date_x  Price_x Name_y      Date_y  Price_y  Ident Value  \
0      A   XXX  01/01/2001      100      A  01/01/2001      100    123   0.5   
1      B   AAA  02/05/2005       90      B  02/05/2005       90    444   1.3   
2      C   ZZZ  03/07/2006       95      C  03/07/2006       95    555   2,8   

  Class  
0    AA  
1    AB  
2    AC  

---

您得到了什么错误？合并过程的KeyError:“CUSIP”。对于concat，我得到了数据帧列表，但我无法将它们放在一起进行操作。您的错误表明“CUSIP”作为列不可见。当编写

db1['CUSIP']

或

db2['CUSIP']

时，您会得到什么？事实上同样的错误。这可能是因为数据被一个空行从标题中分隔开了吗？关于

db2.columns.tolist（）

和

db2.index.tolist（）

我想他已经尝试过合并，但抱怨出现了错误。我认为没有必要使用另一个库，比如functools。他还可以在CUSIP上设置索引并进行合并。@Wli-是的，但是如果需要合并许多数据帧，那么这就更简单了。回答得好~~！

from functools import reduce
#many dataframes
dfs = [df1,df2]
df = reduce(lambda x, y: x.merge(y, on='CUSIP', how='outer'), dfs)
print (df)
  Name CUSIP        Date  Price  Ident Value Class
0    A   XXX  01/01/2001    100    123   0.5    AA
1    B   AAA  02/05/2005     90    444   1.3    AB
2    C   ZZZ  03/07/2006     95    555   2,8    AC

dfs = [df1,df1, df2]
df = reduce(lambda x, y: x.merge(y, on='CUSIP', how='outer'), dfs)
print (df)
  Name_x CUSIP      Date_x  Price_x Name_y      Date_y  Price_y  Ident Value  \
0      A   XXX  01/01/2001      100      A  01/01/2001      100    123   0.5   
1      B   AAA  02/05/2005       90      B  02/05/2005       90    444   1.3   
2      C   ZZZ  03/07/2006       95      C  03/07/2006       95    555   2,8   

  Class  
0    AA  
1    AB  
2    AC