python/pandas:如何使用分层列索引将两个数据帧合并为一个?
我有两个数据帧,如下所示:python/pandas:如何使用分层列索引将两个数据帧合并为一个?,python,pandas,Python,Pandas,我有两个数据帧,如下所示: >>> df1 A B 2000-01-01 1.4 1.4 2000-01-02 1.7 -1.9 2000-01-03 -0.2 -0.8 >>> df2 A B 2000-01-01 0.6 -0.3 2000-01-02 -0.4 0.6 2000-01-03 1.1 -1.0 我如何用下面的分层列索引从这两个数据帧中生成一个数据帧
>>> df1
A B
2000-01-01 1.4 1.4
2000-01-02 1.7 -1.9
2000-01-03 -0.2 -0.8
>>> df2
A B
2000-01-01 0.6 -0.3
2000-01-02 -0.4 0.6
2000-01-03 1.1 -1.0
我如何用下面的分层列索引从这两个数据帧中生成一个数据帧
df1 df2
A B A B
2000-01-01 1.4 1.4 0.6 -0.3
2000-01-02 1.7 -1.9 -0.4 0.6
2000-01-03 -0.2 -0.8 1.1 -1.0
这是一个文档示例:
,只需将密钥的dict-to-pieces传递给ConcatMe它将dfs作为密钥如果您只想添加数据帧名称作为第一级:pd.concat(dict(df1=df1),axis=1)@Mr_and_-Mrs_D,它不将
pd.DataFrames
作为密钥。内置的dict()
构造函数,允许使用关键字参数设置简单的字符串键。python文档中的示例是:dict(sape=4139,guido=4127,jack=4098)
。这就是为什么调用pd.concat()后,'df1'
和'df2'
是键的原因。
In [9]: df1 = pd.DataFrame(np.random.randn(3,2),columns=list('AB'),index=pd.date_range('20000101',periods=3))
In [10]: df2 = pd.DataFrame(np.random.randn(3,2),columns=list('AB'),index=pd.date_range('20000101',periods=3))
In [11]: df1
Out[11]:
A B
2000-01-01 0.129994 1.189608
2000-01-02 -1.126812 1.087617
2000-01-03 -0.930070 0.253098
In [12]: df2
Out[12]:
A B
2000-01-01 0.535700 -0.769533
2000-01-02 -1.698531 -0.456667
2000-01-03 0.451622 -1.500175
In [13]: pd.concat(dict(df1 = df1, df2 = df2),axis=1)
Out[13]:
df1 df2
A B A B
2000-01-01 0.129994 1.189608 0.535700 -0.769533
2000-01-02 -1.126812 1.087617 -1.698531 -0.456667
2000-01-03 -0.930070 0.253098 0.451622 -1.500175