按索引和列合并两个数据框[重复]答案

【问题标题】：merge two data frames by index and column [duplicate]按索引和列合并两个数据框[重复]
【发布时间】：2017-09-05 12:40:03
【问题描述】：

我有两个数据框，像这样：

df1 = pd.DataFrame()
df1['v1'] = [5,7,2,4,9,7,2]
df1['v2'] = ["a1", 'nan', "a2", "a3", "a5", "a6", "a9"]

   v1   v2
0   5   a1
1   7  nan
2   2   a2
3   4   a3
4   9   a5
5   7   a6
6   2   a9

和

dfa = pd.DataFrame()
dfa['pc1'] = np.random.rand(5)
dfa['pc2'] = np.random.rand(5)
dfa['idx'] = ["a1", "a2", "a3", "a6", "a9"]
df2 = dfa.set_index('idx')

          pc1       pc2
idx                    
a1   0.048725  0.050773
a2   0.289110  0.302272
a3   0.720966  0.663910
a6   0.021616  0.308114
a9   0.205923  0.583591

df1 有一个列 v2，其中包含与 df2 的索引匹配的字符值。但它也有 nan 并且可能包含 df2 中不存在相应行名的字符。

我现在想将这些数据框合并为一个，如下所示：

  v1    v2       pc1       pc2
0  5   a1   0.048725  0.050773
1  7  nan        nan       nan
2  2   a2   0.289110  0.302272
3  4   a3   0.720966  0.663910
4  9   a5        nan       nan
5  7   a6   0.021616  0.308114
6  2   a9   0.205923  0.583591

在R 中，使用rownames_to_column(df2, "v2") 和 left_join(df1, .) 函数。

但是我如何在 pandas 中做到这一点？

【问题讨论】：

顺便说一句，set_index 调用以某种方式使事情复杂化。这不是必需的，您可以分别为每个帧传递连接参数。因此，如果您使用例如，您始终可以避免按索引加入。 reset_index()

标签： python pandas merge

【解决方案1】：

你可以做类似的事情

pd.merge(df1, df2, left_on = 'v2', right_index=True, how = 'left')

这会产生：

   v1   v2       pc1       pc2
0   5   a1  0.048725  0.050773
1   7  NaN       NaN       NaN
2   2   a2   0.28911  0.302272
3   4   a3  0.720966   0.66391
4   9   a5       NaN       NaN
5   7   a6  0.021616  0.308114
6   2   a9  0.205923  0.583591

【讨论】：

【解决方案2】：

更新：

In [37]: df1.merge(df2, right_index=True, left_on='v2', how='outer')
Out[37]:
   v1   v2       pc1       pc2
0   5   a1  0.252062  0.602530
1   7  nan       NaN       NaN
2   2   a2  0.328666  0.988321
3   4   a3  0.704342  0.809817
4   9   a5       NaN       NaN
5   7   a6  0.001230  0.602590
6   2   a9  0.635444  0.926872

In [33]: df2.merge(df1, left_index=True, right_on='v2', how='outer')
Out[33]:
        pc1       pc2  v1   v2
0  0.252062  0.602530   5   a1
2  0.328666  0.988321   2   a2
3  0.704342  0.809817   4   a3
5  0.001230  0.602590   7   a6
6  0.635444  0.926872   2   a9
1       NaN       NaN   7  nan
4       NaN       NaN   9   a5

【讨论】：

谢谢，为什么现在没有对索引进行排序，如何按索引再次对行进行排序？
@spore234，在这种情况下，您想将df1 放在首位 - 请参阅更新后的答案...

【解决方案3】：

pd.merge(df2.reset_index(), df1, left_on='idx', right_on='v2', how='outer').drop('idx', axis=1)


Output:

            pc1            pc2      v1    v2
  0      0.760966       0.059443    5     a1
  1      0.059443       0.984703    2     a2
  2      0.214868       0.677140    4     a3
  3      0.224410       0.037784    7     a6
  4      0.297342       0.341810    2     a9
  5        NaN            NaN       7     nan
  6        NaN            NaN       9     a5

【讨论】：