Python 如何根据列值而不是索引来pd.concat数据帧？

我有一个元数据的数据帧，表示为

DF_0

，然后是一个实际数据的数据帧（

DF_1

）。我想在我的数据帧上使用

pd.concat

，但不涉及索引。

DF_0

的索引是任意的，

DF_1

的索引对应于

DF_0

的

attr_1

中的值

我能想到的唯一方法是：

（1） 使

attr_1

成为我的索引，然后合并，这是我不愿意做的；或

（2） 排序然后合并[但缺少数据可能会把事情搞砸]。我觉得熊猫已经想到了这一点

有人知道如何使用

pd.concat

或类似的[我的真实数据有字符串、浮点、整数]沿特定数据帧中特定列的值表示的“轴”合并2[或更多？]个数据帧吗？

这些值可能是有序的，也可能不是有序的。我上面描述的方法是唯一的方法吗？它们看起来很乱

DF_0 = pd.DataFrame(np.arange(15).reshape(5,3), 
                    columns=["attr_%d"%j for j in range(3)])
#    attr_0  attr_1  attr_2
# 0       0       1       2
# 1       3       4       5
# 2       6       7       8
# 3       9      10      11
# 4      12      13      14

DF_1 = pd.DataFrame([[0,1,0,1,1],[0,0,0,1,0],[1,1,1,0,1]], 
                     index = ["other_%d"%j for j in range(3)], 
                     columns = [1,4,7,10,13]).T
#     other_0  other_1  other_2
# 1         0        0        1
# 4         1        0        1
# 7         0        0        1
# 10        1        1        0
# 13        1        0        1

# What I want
DF_X = pd.DataFrame(
                    np.concatenate([DF_0.as_matrix(), DF_1.as_matrix()], axis=1), 
                    columns=list(DF_0.columns) + list(DF_1.columns))
#    attr_0  attr_1  attr_2  other_0  other_1  other_2
# 0       0       1       2        0        0        1
# 1       3       4       5        1        0        1
# 2       6       7       8        0        0        1
# 3       9      10      11        1        1        0
# 4      12      13      14        1        0        1

---

您正在查找方法的

axis=1

参数

通过不同类型的连接/合并/连接示例，这是一个很好的解释 演示：

---

您正在查找方法的

axis=1

参数

通过不同类型的连接/合并/连接示例，这是一个很好的解释 演示：

---

您想沿着

DF_0

的

attr_1

列和

DF_1

的索引合并：

DF_X = pd.merge(DF_0, DF_1, left_on='attr_1', right_index=True)
print(DF_X)

输出：

   attr_0  attr_1  attr_2  other_0  other_1  other_2
0       0       1       2        0        0        1
1       3       4       5        1        0        1
2       6       7       8        0        0        1
3       9      10      11        1        1        0
4      12      13      14        1        0        1

---

您想沿着

DF_0

的

attr_1

列和

DF_1

的索引合并：

DF_X = pd.merge(DF_0, DF_1, left_on='attr_1', right_index=True)
print(DF_X)

输出：

   attr_0  attr_1  attr_2  other_0  other_1  other_2
0       0       1       2        0        0        1
1       3       4       5        1        0        1
2       6       7       8        0        0        1
3       9      10      11        1        1        0
4      12      13      14        1        0        1

---

你的问题不在于pd.concat，而在于理解你想要什么。您可以通过思考最终结果应该是什么样来澄清这一点，因为您已经展示了

DF_0

和

DF_1

如果

attr_1

与

DF_1

s索引相同，则：

pd.concat([DF_0.set_index('attr_1', drop=False), DF_1], axis=1)

---

你的问题不在于你是否理解你想要的东西。您可以通过思考最终结果应该是什么样来澄清这一点，因为您已经展示了

DF_0

和

DF_1

如果

attr_1

与

DF_1

s索引相同，则：

pd.concat([DF_0.set_index('attr_1', drop=False), DF_1], axis=1)

---

试试这个：

pd.concat（[…]，axis=1）

显示有一个

axis

参数来做这个试试这个：

pd.concat（[…]，axis=1）

显示有一个

axis

参数来做这个，他们需要有相同的索引，对吗？@O.rka，是的-所有DFs都将通过索引合并他们需要具有相同的索引，对吗？@O.rka，是的-所有DFs都将通过索引合并这正是我想要的！那正是我要找的！谢谢你的回答。这也是一个很好的方法，但我想看看是否有一种不合并索引的方法。谢谢你的回答。这也是一个很好的方法，但我试着看看是否有一种不合并索引的方法。