熊猫合并：合并同一列上的两个数据帧，但保留不同的列

Question

我有两个熊猫数据帧共享一个共同的列名。我想合并公共列名，但保留与第二个dataFrame中的所有不同列，其中公共列名称匹配。下面是两个数据帧的示例：

DF1:
    A      B      C     D     E      F      G     H
    value value   value value value value  value value
    value value   value value value value  value value
    value value   value value value value  value value
    etc.


DF2:
      A     I     J     K     L
    value value value value value
    value value value value value
    value value value value value

我希望预期的结果是：

Result:

      A      B       C     D     E     F      G     H     I     J     K     L
    value  value   value value value value  value value value value value value
    value  value   value value value value  value value value value value value
    value  value   value value value value  value value value value value value

也就是说，当列“A”匹配时，我希望保留I，J，K，L的行，并且不等于“NaN ”,对于DF1中的列也是如此。

我已经尝试了所有的pd.merge选项，但是它们似乎没有做我上面要求的事情。例如，

pd.merge(DF1, DF2, on='A', how='left') 

在“A”上匹配并将所有键保留在左侧，但不是来自第二个数据帧。我知道这是它应该做的，但这不是我想要的。类似地，如何='right'也做了同样的事情，但保留了右侧的所有键，并用“NaN”填充左侧的所有键。“外部”似乎也没有做我想要的，因为它只是将所有内容粘在一起并用NaN填充所有不相似的列。

另外，请注意，DF1和DF2的索引顺序不同。

有人能给我提供一条前进的道路吗？谢谢！

Answer 1

如果您有

z=io.StringIO("""    A      B      C     D     E      F      G     H
    value2 value2   value2 value2 value2 value2  value2 value2
    value3 value3   value3 value3 value3 value3  value3 value3
    value value   value value value value  value value""")

df = pd.read_table(z, delim_whitespace=True)

z2=io.StringIO("""      A     I     J     K     L
    value value value value value
    value2 value2 value2 value2 value2
    value3 value3 value3 value3 value3""")

df2=pd.read_table(z2,delim_whitespace=True)

然后

pd.merge(df,df2, on="A",right_index=True, left_index=True)


    A       B       C       D       E       F       G       H       I       J       K       L
0   value   value   value   value   value   value   value   value   value   value   value   value
1   value   value   value   value   value   value   value   value   value   value   value   value
2   value   value   value   value   value   value   value   value   value   value   value   value

为了匹配您描述的索引，

pd.merge(df.set_index("A"),df2.set_index("A"), right_index=True, left_index=True).reset_index()

    A       B       C       D       E       F       G       H      I        J       K       L
0   value2  value2  value2  value2  value2  value2  value2  value2  value2  value2  value2  value2
1   value3  value3  value3  value3  value3  value3  value3  value3  value3  value3  value3  value3
2   value   value   value   value   value   value   value   value   value   value   value   value