Pandas DataFrame 合并重置索引答案

【问题标题】：Pandas DataFrame merge resets indexPandas DataFrame 合并重置索引
【发布时间】：2017-11-27 03:23:59
【问题描述】：

我正在尝试合并两个 Pandas DataFrames，其中（可能）有一些重复的记录。合并按预期工作，但不幸的是，它似乎重置了索引。考虑这个简单的例子：

import pandas as pd
import numpy as np

index = np.arange(10,15)
data  = np.arange(10,15)
df1 = pd.DataFrame({'data':data}, index=index)

index = np.arange(12,17)
data  = np.arange(12,17)
df2 = pd.DataFrame({'data':data}, index=index)

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

这会导致：

# df1:       df2:         df3: 
# ------     # ------     # ------
    data         data         data
10    10     12    12     0    10
11    11     13    13     1    11
12    12     14    14     2    12
13    13     15    15     3    13
14    14     16    16     4    14
                          5    15 
                          6    16

所以df1 (10-14) 和df2 (12-16) 中的索引已被合并df3 中的(0-6) 替换。这种行为有合理的解释吗？为什么df3 (10-16) 中没有索引？

唯一的解决方法似乎是用.reset_index() 重置df1 和df2 中的索引，进行合并，然后用df3 再次设置索引df3.set_index('index')，这确实会导致：

In [97]: df3.index
Out[97]: Int64Index([10, 11, 12, 13, 14, 15, 16], dtype='int64', name='index')

有没有办法在不重置和重新设置索引的情况下得到这个结果？

【问题讨论】：

标签： python python-3.x pandas merge

【解决方案1】：

您正在寻找concat 而不是merge。检查以下内容：

In [13]: pd.concat([df1, df2], axis=0)
Out[13]: 
    data
10    10
11    11
12    12
13    13
14    14
12    12
13    13
14    14
15    15
16    16

【讨论】：

后面可能是drop_duplicates()
concat 与 drop_duplicates() 结合使用即可。但我仍然想知道为什么merge() 在我的示例中表现得像这样。我会再等一会儿，看看是否有人可以解释它和/或找到一个有效的merge 的干净方法，否则我将把这个作为答案
@Bart 我无法评论为什么合并会以这种方式运行，但有关更多信息，您可以查看文档here。相关位：“如果在列上连接列，DataFrame 索引将被忽略。否则，如果在索引或列上的索引上连接索引，则索引将被传递”。
我读过，但没有发现文档很清楚。无论如何，我现在正在使用您的解决方案，它运行良好，似乎是合并数据框的最短方式，所以我会接受它。

【解决方案2】：

我想我会用

 df3.index = df3['data'].values

【讨论】：

对不起，我的例子有点太简单了，这可能适用于这个简化的情况，但它不适用于我的真实数据