Question

我有几个类似结构的pandas数据帧存储在字典中。我以下列方式访问数据框。

ex_dict[df1]
date        df1price1   df1price2
10-20-2015     100         150
10-21-2015      90         100

我希望按日期将所有这些数据帧合并到一个数据框中。日期重叠，但并非所有数据框都包含所有日期。

我需要从这个

开始

df1
date        df1price1   df1price2
10-20-2015     100         150
10-21-2015      90         100
10-22-2015     100         140

df2
date        df2price1   df2price2
10-20-2015     110         140
10-21-2015      90         110
10-23-2015     110         120

df3
date        df3price1   df3price2
10-20-2015     100         150
10-22-2015      90         100
10-23-2015      80         130

到此：

df_all
date        df1price1   df1price2 ... df3price1   df3price2
10-20-2015     100         150    ...    100         150
10-21-2015      90         100    ...    NaN         NaN
10-22-2015     100         140    ...     90         100
10-23-2015     NaN         NaN    ...     80         130

我已经尝试了很多东西，但是我无法让它工作，不能一次重复合并2来创建一个新的数据帧，然后再重新融入其中。我需要合并的数据帧数量在4到10之间，所以我需要一种自动执行此操作的方法（因此我认为传递dict可能有效）。

对此的任何帮助都会非常感激。

Answer 1

您可以使用concat后跟groupby('date')来展平结果。

In [22]: pd.concat([df1,df2,df3]).groupby('date').max()
Out[22]:
            df1price1  df1price2  df2price1  df2price2  df3price1  df3price2
date
10-20-2015        100        150        110        140        100        150
10-21-2015         90        100         90        110        NaN        NaN
10-22-2015        100        140        NaN        NaN         90        100
10-23-2015        NaN        NaN        110        120         80        130

修改：正如BrenBarn在评论中指出的那样，如果您将连接列设置为数据框的索引，则可以使用concat(axis=1)：

df1.index = df1.date
df2.index = df2.date
df3.index = df3.date

In [44]: pd.concat([df1,df2,df3],axis=1)
Out[44]:
                  date  df1price1  df1price2        date  df2price1  \
10-20-2015  10-20-2015        100        150  10-20-2015        110
10-21-2015  10-21-2015         90        100  10-21-2015         90
10-22-2015  10-22-2015        100        140         NaN        NaN
10-23-2015         NaN        NaN        NaN  10-23-2015        110

            df2price2        date  df3price1  df3price2
10-20-2015        140  10-20-2015        100        150
10-21-2015        110         NaN        NaN        NaN
10-22-2015        NaN  10-22-2015         90        100
10-23-2015        120  10-23-2015         80        130

Answer 2

您可以在date列上使用多个合并：

df1.merge(df2, on='date', how='outer').merge(df3, on='date', how='outer').set_index('date')

In [107]: df1.merge(df2, on='date', how='outer').merge(df3, on='date', how='outer').set_index('date')
Out[107]:
            df1price1  df1price2  df2price1  df2price2  df3price1  df3price2
date
10-20-2015        100        150        110        140        100        150
10-21-2015         90        100         90        110        NaN        NaN
10-22-2015        100        140        NaN        NaN         90        100
10-23-2015        NaN        NaN        110        120         80        130

一些解释：首先，您要将df1和df2合并到date列并加入outer。与df3合并的结果数据框具有相同的属性。并为您的结果日期框架设置索引date。如果您的数据框有date列作为索引，您可以先为每个列reset_index执行date并合并包含[UIColor colorWithWhite: 0.70 alpha:1];

的列名称

使用非唯一索引合并多个pandas数据集

2 个答案: