Question

我想将九个Pandas数据帧合并到一个数据帧中，在两列上进行连接，控制列名。这可能吗？

我有九个数据集。所有这些都有以下列：

org, name, items,spend

我想将它们加入到包含以下列的单个数据框中：

org, name, items_df1, spend_df1, items_df2, spend_df2, items_df3...

我一直在阅读merging and joining上的文档。我现在可以合并两个数据集，如下所示：

ad = pd.DataFrame.merge(df_presents, df_trees,
                        on=['practice', 'name'],
                        suffixes=['_presents', '_trees'])

这很有效，print list(aggregate_data.columns.values)向我展示了以下列：

[org', u'name', u'spend_presents', u'items_presents', u'spend_trees', u'items_trees'...]

但是如何才能为九列做到这一点？ merge似乎一次只能接受两个，如果按顺序执行，我的列名最终会变得非常混乱。

Answer 1

您可以使用functools.reduce以迭代方式将pd.merge应用于每个DataFrame：

result = functools.reduce(merge, dfs)

这相当于

result = dfs[0]
for df in dfs[1:]:
    result = merge(result, df)

要传递on=['org', 'name']参数，可以使用functools.partial定义合并函数：

merge = functools.partial(pd.merge, on=['org', 'name'])

由于在suffixes中指定functools.partial参数只允许一个固定的后缀选择，因为在这里我们需要一个不同的后缀 pd.merge调用，我认为准备DataFrames列最容易在致电pd.merge之前的姓名：

for i, df in enumerate(dfs, start=1):
    df.rename(columns={col:'{}_df{}'.format(col, i) for col in ('items', 'spend')}, 
              inplace=True)

例如，

import pandas as pd
import numpy as np
import functools
np.random.seed(2015)

N = 50
dfs = [pd.DataFrame(np.random.randint(5, size=(N,4)), 
                    columns=['org', 'name', 'items', 'spend']) for i in range(9)]
for i, df in enumerate(dfs, start=1):
    df.rename(columns={col:'{}_df{}'.format(col, i) for col in ('items', 'spend')}, 
              inplace=True)
merge = functools.partial(pd.merge, on=['org', 'name'])
result = functools.reduce(merge, dfs)
print(result.head())

产量

   org  name  items_df1  spend_df1  items_df2  spend_df2  items_df3  \
0    2     4          4          2          3          0          1   
1    2     4          4          2          3          0          1   
2    2     4          4          2          3          0          1   
3    2     4          4          2          3          0          1   
4    2     4          4          2          3          0          1   

   spend_df3  items_df4  spend_df4  items_df5  spend_df5  items_df6  \
0          3          1          0          1          0          4   
1          3          1          0          1          0          4   
2          3          1          0          1          0          4   
3          3          1          0          1          0          4   
4          3          1          0          1          0          4   

   spend_df6  items_df7  spend_df7  items_df8  spend_df8  items_df9  spend_df9  
0          3          4          1          3          0          1          2  
1          3          4          1          3          0          0          3  
2          3          4          1          3          0          0          0  
3          3          3          1          3          0          1          2  
4          3          3          1          3          0          0          3

Answer 2

做一个大pd.concat()然后重命名所有列对你有用吗？类似的东西：

desired_columns = ['items', 'spend']
big_df = pd.concat([df1, df2[desired_columns], ..., dfN[desired_columns]], axis=1)


new_columns = ['org', 'name']
for i in range(num_dataframes):
    new_columns.extend(['spend_df%i' % i, 'items_df%i' % i])

bid_df.columns = new_columns

这应该为您提供如下列：

org, name, spend_df0, items_df0, spend_df1, items_df1, ..., spend_df8, items_df8

Answer 3

我有时也想要这个，但却无法找到内置的熊猫方式。这是我的建议（以及我下次需要时的计划）：

创建一个空字典merge_dict。
遍历您想要的每个数据框的索引，并将所需的值添加到字典中，并将索引作为键。
生成新索引sorted(merge_dict)。
通过循环merge_dict.items（）为每列生成新的数据列表。
使用index=sorted(merge_dict)创建一个新数据框，并在上一步中创建列。

基本上，这有点像SQL中的散列连接。似乎是我能想到的最有效的方式，不应该花太长时间来编写代码。

Pandas：合并多个数据帧和控制列名？

3 个答案: