如何并排合并两个数据框？

Question

有没有办法方便地并排合并两个数据框？

两个数据框都有 30 行，它们有不同的列数，例如，df1 有 20 列，df2 有 40 列。

如何轻松获得 30 行 60 列的新数据框？

df3 = pd.someSpecialMergeFunct(df1, df2)

或者可能有一些特殊的参数附加

df3 = pd.append(df1, df2, left_index=False, right_index=false, how='left')

ps：如果可能的话，我希望复制的列名可以自动解析。

谢谢！

Answer 1

您可以为此使用concat函数（ axis=1是连接为列）：

pd.concat([df1, df2], axis=1)

请参阅有关合并/连接的 pandas 文档：http: //pandas.pydata.org/pandas-docs/stable/merging.html

Answer 2

我在尝试实现以下目标时遇到了您的问题：

因此，一旦我对数据帧进行切片，我首先要确保它们的索引是相同的。 在您的情况下，两个数据帧都需要从 0 到 29 进行索引。然后通过索引合并两个数据帧。

df1.reset_index(drop=True).merge(df2.reset_index(drop=True), left_index=True, right_index=True)

Answer 3

如果要将 2 个数据框与公共列名组合在一起，可以执行以下操作：

df_concat = pd.merge(df1, df2, on='common_column_name', how='outer')

Answer 4

当我从谷歌进来时，我发现其他答案并没有为我解决问题。

我所做的是将新列设置在原始 df 中。

# list(df2.columns) gives you the column names of df2
# you then use these as the column names for df

df[ list(df2.columns) ] = df2

Answer 5

• 有办法，你可以通过管道来做到这一点。

** 使用管道将您的数字数据转换为 ex-

Num_pipeline = Pipeline
([("select_numeric", DataFrameSelector([columns with numerical value])),
("imputer", SimpleImputer(strategy="median")),
])

**对于分类数据

cat_pipeline = Pipeline([
    ("select_cat", DataFrameSelector([columns with categorical data])),
    ("cat_encoder", OneHotEncoder(sparse=False)),
])

** 然后使用 Feature union 将这些转换加在一起

preprocess_pipeline = FeatureUnion(transformer_list=[
    ("num_pipeline", num_pipeline),
    ("cat_pipeline", cat_pipeline),
])

• 在这里阅读更多 - https://scikit-learn.org/stable/modules/generated/sklearn.pipeline.FeatureUnion.html

Answer 6

如果df1和df2具有不同的索引，此解决方案也适用：

df1.loc[:, df2.columns] = df2.to_numpy()