熊猫：连接数据框答案

【问题标题】：Pandas: concat dataframes熊猫：连接数据框
【发布时间】：2019-09-23 11:36:52
【问题描述】：

我需要合并一组数据框：

df1 = pd.DataFrame({'Lic1': [0,5,7]}, index=['07:00', '08:00', '09:00'])
df2 = pd.DataFrame({'Lic1': [4,2,1]}, index=['10:00', '11:00', '12:00'])
df3 = pd.DataFrame({'Lic2': [1,1,4]}, index=['07:00', '08:00', '10:00'])

得到以下结果：

        Lic1    Lic2
07:00   0.0     1.0
08:00   5.0     1.0
09:00   7.0     NaN
10:00   4.0     4.0
11:00   2.0     NaN
12:00   1.0     NaN

当我使用 concat 时，我得到了正确的列，但索引重复（07:00、08:00 和 10:00，由于新的列名）：

df = pd.concat([df1, df2, df3], sort=True, axis=0)
Output:
        Lic1    Lic2
07:00   0.0     NaN
08:00   5.0     NaN
09:00   7.0     NaN
10:00   4.0     NaN
11:00   2.0     NaN
12:00   1.0     NaN
07:00   NaN     1.0
08:00   NaN     1.0
10:00   NaN     4.0

然后我必须合并重复索引以存储最大值并删除重复行，如下所示：

for index in df.index:
    for column in df.columns:
        df.loc[index,column] = df.loc[index, column].max()
df.drop_duplicates(inplace=True)

这给了我请求的输出。

有没有更简单（==更多pandastic）的方式如何一步完成？我尝试使用 concat、merge 或 join 一步完成，但可能错过了一些东西。我总是在索引中得到重复（如上）或重复列（如带有 concat 的双 Lic1 或带有 merge 的 Lic1_x 和 Lic1_y）。

【问题讨论】：

标签： pandas concatenation

【解决方案1】：

每个索引使用max，与.groupby(level=0).max() 相同：

df = pd.concat([df1, df2, df3], sort=True, axis=0).max(level=0)
print (df)
       Lic1  Lic2
07:00   0.0   1.0
08:00   5.0   1.0
09:00   7.0   NaN
10:00   4.0   4.0
11:00   2.0   NaN
12:00   1.0   NaN

【讨论】：