Python 整合数据帧

我有3个索引匹配的熊猫数据帧。某些操作以不同的方式修剪数据帧（删除行），因此一个数据帧中的某些索引可能不存在于另一个数据帧中

我想合并所有3个数据帧，以便它们都包含包含索引的行，这些索引在所有3个数据帧中都存在。这是如何实现的

import pandas as pd
data = pd.DataFrame.from_dict({'a': [1,2,3,4], 'b': [3,4,5,6], 'c': [6,7,8,9]})

a = pd.DataFrame(data['a'])
b = pd.DataFrame(data['b'])
c = pd.DataFrame(data['c'])

a = a[a['a'] <= 3]
b = b[b['b'] >= 4]

# some operation here that removes rows that aren't present in all (intersection of all dataframe's indices)

print a
   a
1  2
2  3

print b
   b
1  4
2  5

print c
   c
1  7
2  8

将熊猫作为pd导入
data=pd.DataFrame.from_dict（{'a'：[1,2,3,4]，'b'：[3,4,5,6]，'c'：[6,7,8,9]}）
a=pd.DataFrame（数据['a']）
b=pd.DataFrame（数据['b']）
c=pd.DataFrame（数据['c']）
a=a[a['a']=4]
#此处的某些操作删除所有数据帧索引中不存在的行（所有数据帧索引的交点）
打印
A.
1  2
2  3
打印b
B
1  4
2  5
打印c
C
1  7
2  8

更新 对不起，当我写这些例子时，我忘乎所以，忘记了我想要达到的目标。实际目的是将3个数据帧分开。为这个误导性的例子道歉（我现在已经更正了）。

看一看，它可以用于各种组合操作。在这里，您需要将

join

类型设置为internal（因为用户希望相交），并将

轴设置为1（合并列）

使用并传递param
left_index=True
和
right_index=True
，默认的合并类型是内部的，因此只有存在于左侧和右侧的值才会合并

In [6]:

a.merge(b, left_index=True, right_index=True).merge(c, left_index=True, right_index=True)
Out[6]:
   a  b  c
1  2  4  7
2  3  5  8

[2 rows x 3 columns]

要修改原始数据帧以便现在只包含所有数据帧中存在的行，可以执行以下操作：

In [12]:

merged = a.merge(b, left_index=True, right_index=True).merge(c, left_index=True, right_index=True)
merged
Out[12]:
   a  b  c
1  2  4  7
2  3  5  8
In [14]:

a = a.loc[merged.index]
b = b.loc[merged.index]
c = c.loc[merged.index]
In [15]:

print(a)
print(b)
print(c)
   a
1  2
2  3
   b
1  4
2  5
   c
1  7
2  8

因此，我们将它们合并到所有数据帧中存在的索引值上，然后使用索引过滤原始数据帧。
有趣的是，
merge
对于较大的数据帧比concat更快，我将concat与merge在40000行数据帧上进行了比较，发现这是
100个循环，每个循环最好3:6.3 ms
100个循环，最佳3:4.87毫秒/循环
当使用400万行数据帧比较concat和Merge时，速度更快：
1个循环，最佳3:694毫秒/循环，最佳3:494毫秒/循环
，这是使用pandas
0.14.0
concat完成的。3个数据帧有没有办法保持分开？抱歉，我搞错了这个例子。合并似乎是concat的一个有趣的替代方案。你什么时候用一个或另一个？似乎
merge
更通用。我更新了我的帖子。我装帧它的方式不是我真正想要的…@orange除非你传递param
inplace=True
，否则原始数据帧在这里不会被触碰，因此会返回一份副本抱歉，如果仍然不清楚的话。实际上，我想更改原始数据帧（或拥有它们的副本）。它们应该只包含索引出现在所有3个数据帧中的行。
In [12]:

merged = a.merge(b, left_index=True, right_index=True).merge(c, left_index=True, right_index=True)
merged
Out[12]:
   a  b  c
1  2  4  7
2  3  5  8
In [14]:

a = a.loc[merged.index]
b = b.loc[merged.index]
c = c.loc[merged.index]
In [15]:

print(a)
print(b)
print(c)
   a
1  2
2  3
   b
1  4
2  5
   c
1  7
2  8