将熊猫数据框与重叠的列/行组合

Question

我正在寻找一种有效的方式来组合100个熊猫数据框，这些数据框代表信息点的网格。 这些数据帧的每个点都是唯一的，并且不与另一个数据帧的点重叠，但是它们确实在更大的拼凑空间中共享列和行。 即

     1    2    3        4    5    6        7    8    9
A    df1, df1, df1,     df2, df2, df2,     df3, df3, df3
B    df1, df1, df1,     df2, df2, df2,     df3, df3, df3
C    df1, df1, df1,     df2, df2, df2,     df3, df3, df3

D    df4, df4, df4,     df5, df5, df5,     etc, etc, etc
E    df4, df4, df4,     df5, df5, df5,     etc, etc, etc
F    df4, df4, df4,     df5, df5, df5,     etc, etc, etc

熊猫的连接仅在列或行轴上组合，而不能同时在两者上组合。 因此，我一直在尝试增加数据帧的数量，并使用df1.combine_first（df2）方法（无限重复）。

这是最好的方法，还是我应该意识到的另一种更有效的方法？

Answer 1

基于不重叠的数据点并假设非常规则的数据（在这种情况下为3x3），这是对便利性和效率角度的快速猜测。

df1=pd.DataFrame( np.random.randn(3,3), index=list('ABC'), columns=list('123') )
df2=pd.DataFrame( np.random.randn(3,3), index=list('DEF'), columns=list('123') )
df3=pd.DataFrame( np.random.randn(3,3), index=list('ABC'), columns=list('456') )
df4=pd.DataFrame( np.random.randn(3,3), index=list('DEF'), columns=list('456') )

combine_first方法的优势在于，您可以仅转储列表中的所有内容而不必担心顺序：

%%timeit
comb_df = pd.DataFrame()
for df in [df1,df2,df3,df4]:  
    comb_df = comb_df.combine_first( df )

100 loops, best of 3: 8.92 ms per loop

concat方法要求您按特定顺序对事物进行分组，但速度要快两倍以上：

%%timeit
df5 = pd.concat( [df1,df2], axis=0 )
df6 = pd.concat( [df3,df4], axis=0 )
df7 = pd.concat( [df5,df6], axis=1 )

100 loops, best of 3: 3.84 ms per loop

快速检查两种方法是否相同：

all( comb_df == df7 )
True