Python 使用浮动索引合并两个数据帧

我有两个具有不同列的

DataFrame

，但我想通过在行上对齐来合并它们。也就是说，假设我有两个数据帧

df1 = pd.DataFrame(np.arange(12).reshape(6, 2), index=np.arange(6)*0.1, columns=['a', 'b'])

df1
      a   b
0.0   0   1
0.1   2   3
0.2   4   5
0.3   6   7
0.4   8   9
0.5  10  11

df2 = pd.DataFrame(np.arange(8).reshape(4, 2), index=[0.07, 0.21, 0.43, 0.54], columns=['c', 'd'])

df2
      c  d
0.07  0  1
0.21  2  3
0.43  4  5
0.54  6  7

我想将

df2

与

df1

合并，以便

df2

的行与`df1'中的最近邻索引对齐。最终结果将是：

      a   b   c    d
0.0   0   1   NaN  NaN
0.1   2   3   0    1
0.2   4   5   2    3
0.3   6   7   NaN  NaN
0.4   8   9   4    5
0.5  10  11   6    7

---

我很欣赏任何关于如何有效解决这一问题的想法。

我会暂时将df2的索引重新定义为其实际索引的四舍五入版本：

merged = (
    df2.assign(idx=np.round(df2.index, 1)) # compute the rounded index
       .reset_index(drop=True)             # drop the existing index 
       .set_index('idx')                   # new, rounded index
       .join(df1, how='right')             # right join 
       .sort_index(axis='columns')         # sort the columns
)

我得到：

      a   b    c    d
0.0   0   1  NaN  NaN
0.1   2   3  0.0  1.0
0.2   4   5  2.0  3.0
0.3   6   7  NaN  NaN
0.4   8   9  4.0  5.0
0.5  10  11  6.0  7.0

---

既然你提到亲密

df2.index=[min(df1.index, key=lambda x:abs(x-y)) for y in df2.index]
pd.concat([df1,df2],1)
Out[535]: 
      a   b    c    d
0.0   0   1  NaN  NaN
0.1   2   3  0.0  1.0
0.2   4   5  2.0  3.0
0.3   6   7  NaN  NaN
0.4   8   9  4.0  5.0
0.5  10  11  6.0  7.0

---

df1

是否保证每增加0.1行？如果是这样，您可以设置

df2.index=df2.index.round（1）

，然后直接加入。谢谢！之所以接受，是因为这一答案直接比较了两个指数，而不是四舍五入。但是，如果您最终使用重复索引（看起来这就是我在实际应用程序中得到的结果），则这不起作用。我认为与@Paul H answer结合使用会起作用，但我做不到。现在我在pd.concat之前删除重复项。