Python：合并多个数据帧

Question

我有不同的数据帧，需要根据日期列将它们合并在一起。如果我只有两个数据帧，我可以使用df1.merge（df2，on='date'），要使用三个数据帧，我可以使用df1.merge（df2.merge（df3，on='date'），on='date'），但是使用多个数据帧会变得非常复杂和不可读。

所有数据帧都有一个公共列-date，但它们的行数和列数都不相同，我只需要其中每个日期对每个数据帧都是公共的行。

所以，我试图编写一个递归函数，返回一个包含所有数据的数据帧，但它不起作用。那么我应该如何合并多个数据帧呢？

我尝试了不同的方法，得到了一些错误，如超出范围，键错误0/1/2/3和无法将数据帧与类型的实例合并

这是我写的剧本：

dfs = [df1, df2, df3] # list of dataframes

def mergefiles(dfs, countfiles, i=0):
    if i == (countfiles - 2): # it gets to the second to last and merges it with the last
        return

    dfm = dfs[i].merge(mergefiles(dfs[i+1], countfiles, i=i+1), on='date')
    return dfm

print(mergefiles(dfs, len(dfs)))

例如：df_1：

May 19, 2017;1,200.00;0.1%
May 18, 2017;1,100.00;0.1%
May 17, 2017;1,000.00;0.1%
May 15, 2017;1,901.00;0.1%

df_2：

May 20, 2017;2,200.00;1000000;0.2%
May 18, 2017;2,100.00;1590000;0.2%
May 16, 2017;2,000.00;1230000;0.2%
May 15, 2017;2,902.00;1000000;0.2%

df_3：

May 21, 2017;3,200.00;2000000;0.3%
May 17, 2017;3,100.00;2590000;0.3%
May 16, 2017;3,000.00;2230000;0.3%
May 15, 2017;3,903.00;2000000;0.3%

预期合并结果：

May 15, 2017;  1,901.00;0.1%;  2,902.00;1000000;0.2%;   3,903.00;2000000;0.3%   




Answer 1

functools.reduce和pd.concat是很好的解决方案，但就执行时间而言pd.concat是最好的。

from functools import reduce
import pandas as pd

dfs = [df1, df2, df3, ...]
nan_value = 0

# solution 1 (fast)
result_1 = pd.concat(dfs, join='outer', axis=1).fillna(nan_value)

# solution 2
result_2 = reduce(lambda df_left,df_right: pd.merge(df_left, df_right, 
                                              left_index=True, right_index=True, 
                                              how='outer'), 
                  dfs).fillna(nan_value)

Answer 2

看起来数据具有相同的列，因此您可以：

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

merged_df = pd.concat([df1, df2])

Answer 3

下面是在不涉及复杂查询的情况下合并多个数据帧的最干净、最容易理解的方法。

只需简单地将DATE作为索引进行合并，然后使用OUTER方法进行合并（以获取所有数据）。

import pandas as pd
from functools import reduce

df1 = pd.read_table('file1.csv', sep=',')
df2 = pd.read_table('file2.csv', sep=',')
df3 = pd.read_table('file3.csv', sep=',')

现在，基本上将所有文件作为数据帧加载到列表中。然后，使用merge或reduce功能合并文件。

# compile the list of dataframes you want to merge
data_frames = [df1, df2, df3]

注意：您可以在上面的列表中添加尽可能多的数据帧。这是这个方法的优点。不涉及复杂的查询。

要保留属于同一日期的值，您需要将其合并到DATE中。

df_merged = reduce(lambda  left,right: pd.merge(left,right,on=['DATE'],
                                            how='outer'), data_frames)

# if you want to fill the values that don't exist in the lines of merged dataframe simply fill with required strings as

df_merged = reduce(lambda  left,right: pd.merge(left,right,on=['DATE'],
                                            how='outer'), data_frames).fillna('void')

• 现在，输出将在同一行上显示同一日期的值。

pd.DataFrame.to_csv(df_merged, 'merged.txt', sep=',', na_rep='.', index=False)

这应该给你

DATE VALUE1 VALUE2 VALUE3......