您好我有以下数据框：
> df1
id begin conditional confidence discoveryTechnique
0 278 56 false 0.0 1
1 421 18 false 0.0 1
> df2
concept
0 A
1 B
如何合并索引以获取：
id begin conditional confidence discoveryTechnique concept
0 278 56 false 0.0 1 A
1 421 18 false 0.0 1 B
我问，因为我理解merge()即df1.merge(df2)使用列进行匹配。事实上，我这样做了：
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/local/lib/python2.7/dist-packages/pandas/core/frame.py", line 4618, in merge
copy=copy, indicator=indicator)
File "/usr/local/lib/python2.7/dist-packages/pandas/tools/merge.py", line 58, in merge
copy=copy, indicator=indicator)
File "/usr/local/lib/python2.7/dist-packages/pandas/tools/merge.py", line 491, in __init__
self._validate_specification()
File "/usr/local/lib/python2.7/dist-packages/pandas/tools/merge.py", line 812, in _validate_specification
raise MergeError('No common columns to perform merge on')
pandas.tools.merge.MergeError: No common columns to perform merge on
合并索引是不好的做法？这不可能吗？如果是这样，我如何将索引转换为名为“index”的新列？
由于
答案 0 :(得分：187)
使用merge，默认为内连接：
pd.merge(df1, df2, left_index=True, right_index=True)
或join，默认情况下是左连接：
df1.join(df2)
或concat，默认为外连接：
pd.concat([df1, df2], axis=1)
<强>样品：
df1 = pd.DataFrame({'a':range(6),
'b':[5,3,6,9,2,4]}, index=list('abcdef'))
print (df1)
a b
a 0 5
b 1 3
c 2 6
d 3 9
e 4 2
f 5 4
df2 = pd.DataFrame({'c':range(4),
'd':[10,20,30, 40]}, index=list('abhi'))
print (df2)
c d
a 0 10
b 1 20
h 2 30
i 3 40
#default inner join
df3 = pd.merge(df1, df2, left_index=True, right_index=True)
print (df3)
a b c d
a 0 5 0 10
b 1 3 1 20
#default left join
df4 = df1.join(df2)
print (df4)
a b c d
a 0 5 0.0 10.0
b 1 3 1.0 20.0
c 2 6 NaN NaN
d 3 9 NaN NaN
e 4 2 NaN NaN
f 5 4 NaN NaN
#default outer join
df5 = pd.concat([df1, df2], axis=1)
print (df5)
a b c d
a 0.0 5.0 0.0 10.0
b 1.0 3.0 1.0 20.0
c 2.0 6.0 NaN NaN
d 3.0 9.0 NaN NaN
e 4.0 2.0 NaN NaN
f 5.0 4.0 NaN NaN
h NaN NaN 2.0 30.0
i NaN NaN 3.0 40.0
答案 1 :(得分：20)
您可以使用concat([df1, df2, ...], axis=1)来连接两个或多个由索引对齐的DF：
pd.concat([df1, df2, df3, ...], axis=1)
或merge用于连接自定义字段/索引：
# join by _common_ columns: `col1`, `col3`
pd.merge(df1, df2, on=['col1','col3'])
# join by: `df1.col1 == df2.index`
pd.merge(df1, df2, left_on='col1' right_index=True)
或join按索引加入：
df1.join(df2)
答案 2 :(得分：5)
这个答案已经解决了一段时间，所有可用的 选项已经在那里了。但是在这个答案中，我会尝试 对这些选项有更多的了解，以帮助您了解何时该 用什么。
这篇文章将讨论以下主题：
merge、join、concat有几个选项，根据用途，有些比其他的更简单 案例。
DataFrame.merge 与 left_index 和 right_index（或使用命名索引的 left_on 和 right_on）DataFrame.join（连接索引）pd.concat（连接索引）| 优点 | 缺点 | |
|---|---|---|
merge |
• 支持内/左/右/全 |
• 一次只能连接两帧 |
join |
• 支持inner/left（默认）/right/full |
• 仅支持索引索引连接 |
concat |
• 擅长一次连接多个 DataFrame |
• 仅支持内部/完整（默认）连接 |
通常，索引内连接如下所示：
left.merge(right, left_index=True, right_index=True)
其他类型的连接（左、右、外）遵循类似的语法（并且可以使用 how=... 进行控制）。
值得注意的替代方案
DataFrame.join 默认为索引的左外连接。
left.join(right, how='inner',)
如果您碰巧得到 ValueError: columns overlap but no suffix specified，则需要指定 lsuffix 和 rsuffix= 参数来解决此问题。由于列名相同，因此需要区分后缀。
pd.concat 连接索引，并且可以一次连接两个或多个 DataFrame。默认情况下，它会执行完整的外部联接。
pd.concat([left, right], axis=1, sort=False)
有关 concat 的详细信息，请参阅 this post。
要使用左索引、右列执行内连接，您将使用 DataFrame.merge 和 left_index=True 和 right_on=... 的组合。
left.merge(right, left_index=True, right_on='key')
其他连接遵循类似的结构。请注意，仅 merge 可以执行索引到列连接。您可以连接多个级别/列，前提是左侧的索引级别数等于右侧的列数。
join 和 concat 不能混合合并。您将需要使用 DataFrame.set_index 将索引设置为预先步骤。
这篇文章是我在 Pandas Merging 101 工作的删节版。有关合并的更多示例和其他主题，请点击此链接。
答案 3 :(得分：1)
如果要在熊猫中加入两个数据框，则可以简单地使用merge或concatenate之类的可用属性。
例如，如果我有两个数据框df1和df2，则可以通过以下方式加入它们：
newdataframe=merge(df1,df2,left_index=True,right_index=True)
答案 4 :(得分：1)
一个愚蠢的错误吸引了我：由于索引dtypes不同，连接失败。这不是很明显，因为两个表都是同一原始表的数据透视表。在reset_index之后，索引在jupyter中看起来相同。仅在保存为excel时才显示出来...
已修复：df1[['key']] = df1[['key']].apply(pd.to_numeric)
希望这可以节省一个小时！
答案 5 :(得分：0)
默认情况下：
join是列式左连接
pd.merge是按列的内部联接
pd.concat是按行的外部联接
pd.concat：
带有Iterable参数。因此，它不能直接采用DataFrames（使用[df，df2]）
DataFrame的尺寸应沿轴
加入并合并：
可以接受DataFrame参数