Question

我有一组文件，这些文件具有一些我想加入的常见列。在我真正的问题中，有几个不同且通用的列。在这个玩具示例中，我有一组a文件和一组b文件，它们具有唯一的列并共享相同的c列。

$ for ii in $(ls *.dat) ; do echo " "; echo $ii ; cat $ii ; done

a1.dat
a,c
4,8
1,10
2,3

a2.dat
a,c
1,2
3,4

b1.dat
b,c
2,8
2,10
1,3

b2.dat
b,c
.2,2
.8,4

我想浏览这些文件并将它们合并为一个数据框。到目前为止，这是我尝试过的。我合并了第一个文件，以确保收集了所有列名，然后合并其余文件。当我按“内部”合并时，将返回一个空的数据框。

$ cat s.py 
import pandas as pd
dat = pd.DataFrame()
for ii in [1, 2]:
  for jj in ['a', 'b']:
     d = pd.read_csv('%s%i.dat' % (jj, ii))
     if ii == 1: dat = pd.concat([dat, d])
     else: dat = pd.merge(dat, d, how='outer')
print(dat)

$ Python s.py 
     a    b   c
0  4.0  NaN   8
1  1.0  NaN  10
2  2.0  NaN   3
3  NaN  2.0   8
4  NaN  2.0  10
5  NaN  1.0   3
6  1.0  NaN   2
7  3.0  NaN   4
8  NaN  0.2   2
9  NaN  0.8   4

这不是我想要的输出。我不知道如何才能更好地完成这项工作。所需的输出是

     a    b   c
0  4.0  2.0   8
1  1.0  2.0  10
2  2.0  1.0   3
3  1.0  0.2   2
4  3.0  0.8   4

Answer 1

有两个步骤：

首先，将所有相同类型的文件连接到一个DataFrame中：

df = {}
for k in ['a', 'b']:
    df[k] = pd.concat([
            pd.read_csv('%s%d.dat' % (k, i)) for i in [1, 2]
            ], axis=0)

然后在共享列'c'上进行合并联接，

result = df['a'].merge(df['b'], on='c')[['a', 'b', 'c']]

Answer 2

首先合并所有 a 和 b 文件，然后将它们合并到列c中，例如：

import numpy as np
import pandas as pd
a1 = pd.DataFrame({
               'a':   [4,1,2],
               'c': [8,10,3],
               })


a2 = pd.DataFrame({
               'a':   [1,3],
               'c': [2,4],
               })

b1 = pd.DataFrame({
               'b':   [2,2,1],
               'c': [8,10,3],
               })

b2 = pd.DataFrame({
               'b':   [0.2,0.8],
               'c': [2,4],
               })


concat_df_a = pd.concat([a1,a2])
concat_df_b = pd.concat([b1,b2])

print(concat_df_b.merge(concat_df_a,on='c')[['a','b','c']])




a    b   c
0  4  2.0   8
1  1  2.0  10
2  2  1.0   3
3  1  0.2   2
4  3  0.8   4

熊猫数据框：按公共列合并文件

2 个答案: