在python pandas中连接两个数据框中的选定列答案

【问题标题】：Concatenating selected columns from two data frames in python pandas在python pandas中连接两个数据框中的选定列
【发布时间】：2019-01-02 14:59:26
【问题描述】：

我正在尝试在 python pandas 中连接我的数据框中的一些列。说，我有以下数据框：

df1['头','身体','feat1','feat2']

df2['头','身体','feat3','feat4']

我想将数据框合并到：

merged_df['Head','Body','feat1','feat2','feat3',feat4']

凭直觉，我是这样做的：

merged_df = pd.concat([df1, df2['feat3','feat4'],axis=1)

它没有工作。我做了我的研究并这样做了：

merged_df = 
df1[['Head','Body','feat1','feat2']].merge(df2[['Head','feat3','feat4']], 
on='Head', how='left')

它有效，但导致我的数据出现一些差异。原来我的一些“头部”数据并不是唯一的。所以现在我只是在寻找将 DF2 中的选定列连接到我的 DF1 中的最直接的方法。请注意，两个数据帧遵循相同的顺序，因此 DF1 中的第 1 行与 DF2 中的第 1 行直接相关，第 8120 行也是如此……

谢谢

【问题讨论】：

你能创建一个小的数据集和预期的输出吗？
df1.merge(df2,on=['Head','Body'],how='left')

标签： python pandas dataframe

【解决方案1】：

举个例子，假设我们有两个 DataFrame，分别为 df1 和 df2，因此，如果列的值相同或唯一，那么您只需进行合并，即可根据需要对齐列。

$ df1
   Head  Body  feat1  feat2
0     1     1      1      1
1     2     2      2      2
2     3     3      3      3


$ df2
   Head  Body  feat3  feat4
0     1     1      1      1
1     2     2      2      2
2     3     3      3      3

第 1 步解决方案：

>>> pd.merge(df1, df2, on=['Head',  'Body'])
   Head  Body  feat1  feat2  feat3  feat4
0     1     1      1      1      1      1
1     2     2      2      2      2      2
2     3     3      3      3      3      3

其次，如果你有如下不同的列值，那么你可以使用 pd.concat 或 pd.merge：

$ df1
   Head  Body  feat1  feat2
0     1     1      1      1
1     2     2      2      2
2     3     3      3      3

$ df2
   Head  Body  feat3  feat4
0     4     1      1      1
1     5     2      2      2
2     6     3      3      3

第 2 步解决方案：

如果您想使用两个帧中的键并集，那么您可以同时使用concat 和merge，如下所示：

>>> pd.concat([df1,df2], join="outer", sort=False)
   Head  Body  feat1  feat2  feat3  feat4
0     1     1    1.0    1.0    NaN    NaN
1     2     2    2.0    2.0    NaN    NaN
2     3     3    3.0    3.0    NaN    NaN
0     4     1    NaN    NaN    1.0    1.0
1     5     2    NaN    NaN    2.0    2.0
2     6     3    NaN    NaN    3.0    3.0


>>> pd.merge(df1, df2, on=['Head',  'Body'], how='outer')
   Head  Body  feat1  feat2  feat3  feat4
0     1     1    1.0    1.0    NaN    NaN
1     2     2    2.0    2.0    NaN    NaN
2     3     3    3.0    3.0    NaN    NaN
3     4     1    NaN    NaN    1.0    1.0
4     5     2    NaN    NaN    2.0    2.0
5     6     3    NaN    NaN    3.0    3.0

或者您可以选择拥有：

a) 如果你想使用左侧框架中的键

pd.merge(df1, df2, on=['Head',  'Body'], how='left')

b) 如果你想使用右侧框架中的键

pd.merge(df1, df2, on=['Head',  'Body'], how='right')

默认为'inner'。

inner：使用来自两个帧的键的交集，类似于 SQL 内部联接;保留左键的顺序

您可以查看DataFrame.merge 了解详细选项..

查看您的解决方法后，您想使用来自left frame 的密钥

>>> pd.merge(df1, df2, on=['Head',  'Body'], how='left')
   Head  Body  feat1  feat2  feat3  feat4
0     1     1      1      1    NaN    NaN
1     2     2      2      2    NaN    NaN
2     3     3      3      3    NaN    NaN

【讨论】：

谢谢..这篇文章很有帮助。
欢迎您，顺便问一下是什么让您切换了答案？你想要的输出是什么，这就是你帖子中解释的内容
虽然两者都是正确的.. 你的解释很好。我认为那里的基本熊猫数据框教程错过了这种类型的合并。赞一个！

【解决方案2】：

我认为你需要赋值，它会忽略索引

df1['feat3']=df2['feat3'].values
df1['feat4']=df2['feat4'].values

【讨论】：