панды трехстороннее соединение нескольких фреймов данных на столбцах

У меня есть 3 CSV-файлов. Каждый из них имеет первый столбец (строка) имена людей, в то время как все остальные столбцы в каждой таблице данных являются атрибутами этого человека.

Как я могу "объединить" все три документа CSV, чтобы создать один CSV с каждой строкой, имеющей все атрибуты для каждого уникального значения имени строки человека?

на join() функция в pandas указывает, что мне нужен мультииндекс, но я смущен тем, что имеет иерархическая схема индексирования чтобы сделать соединение на основе одного индекса.

8 88
python pandas merge left-join

8 ответов:

предположить импорта:

import pandas as pd

ответ Джона Голта в основном reduce операции. Если у меня есть более чем несколько фреймов данных, я бы поместил их в список, подобный этому (сгенерированный с помощью понимания списка или циклов или еще чего-то):

dfs = [df0, df1, df2, dfN]

предполагая, что у них есть какой-то общий столбец, например name в вашем примере, я бы сделал следующее:

df_final = reduce(lambda left,right: pd.merge(left,right,on='name'), dfs)

таким образом, ваш код должен работать с любым количеством таблиц данных, которые вы хотите объединить.

Редактировать 1 Августа 2016 Года: для тех, кто использует Python 3:reduce до functools. Поэтому, чтобы использовать эту функцию, вам сначала нужно импортировать этот модуль:

from functools import reduce
300

вы можете попробовать это, если у вас есть 3 фрейма данных

# Merge multiple dataframes
df1 = pd.DataFrame(np.array([
    ['a', 5, 9],
    ['b', 4, 61],
    ['c', 24, 9]]),
    columns=['name', 'attr11', 'attr12'])
df2 = pd.DataFrame(np.array([
    ['a', 5, 19],
    ['b', 14, 16],
    ['c', 4, 9]]),
    columns=['name', 'attr21', 'attr22'])
df3 = pd.DataFrame(np.array([
    ['a', 15, 49],
    ['b', 4, 36],
    ['c', 14, 9]]),
    columns=['name', 'attr31', 'attr32'])

pd.merge(pd.merge(df1,df2,on='name'),df3,on='name')

альтернативно, как упоминалось cwharland 

df1.merge(df2,on='name').merge(df3,on='name')
65

Это также может быть сделано следующим образом список таблиц данных df_list:

df = df_list[0]
for df_ in df_list[1:]:
    df = df.merge(df_, on='join_col_name')

или если фреймы данных находятся в объекте генератора (например, для уменьшения потребления памяти):

df = next(df_list)
for df_ in df_list:
    df = df.merge(df_, on='join_col_name')
12

Это идеальная ситуация для join метод

The join метод построен именно для этих типов ситуаций. Вы можете объединить любое количество фреймов данных вместе с ним. Вызывающий фрейм данных соединяется с индексом коллекции переданных фреймов данных. Для работы с несколькими кадрами данных необходимо поместить соединяющие столбцы в индекс.

код будет выглядеть примерно так:

filenames = ['fn1', 'fn2', 'fn3', 'fn4',....]
dfs = [pd.read_csv(filename, index_col=index_col) for filename in filenames)]
dfs[0].join(dfs[1:])

С данными @zero, вы могли бы сделать это:

df1 = pd.DataFrame(np.array([
    ['a', 5, 9],
    ['b', 4, 61],
    ['c', 24, 9]]),
    columns=['name', 'attr11', 'attr12'])
df2 = pd.DataFrame(np.array([
    ['a', 5, 19],
    ['b', 14, 16],
    ['c', 4, 9]]),
    columns=['name', 'attr21', 'attr22'])
df3 = pd.DataFrame(np.array([
    ['a', 15, 49],
    ['b', 4, 36],
    ['c', 14, 9]]),
    columns=['name', 'attr31', 'attr32'])

dfs = [df1, df2, df3]
dfs = [df.set_index('name') for df in dfs]
dfs[0].join(dfs[1:])

     attr11 attr12 attr21 attr22 attr31 attr32
name                                          
a         5      9      5     19     15     49
b         4     61     14     16      4     36
c        24      9      4      9     14      9
9

вот способ объединить словарь фреймов данных, сохраняя имена столбцов в синхронизации со словарем. Также он заполняет недостающие значения, если это необходимо:

это функция для слияния дикт кадров данных

def MergeDfDict(dfDict, onCols, how='outer', naFill=None):
  keys = dfDict.keys()
  for i in range(len(keys)):
    key = keys[i]
    df0 = dfDict[key]
    cols = list(df0.columns)
    valueCols = list(filter(lambda x: x not in (onCols), cols))
    df0 = df0[onCols + valueCols]
    df0.columns = onCols + [(s + '_' + key) for s in valueCols] 

    if (i == 0):
      outDf = df0
    else:
      outDf = pd.merge(outDf, df0, how=how, on=onCols)   

  if (naFill != None):
    outDf = outDf.fillna(naFill)

  return(outDf)

ок, давайте генерирует данные и проверить это:

def GenDf(size):
  df = pd.DataFrame({'categ1':np.random.choice(a=['a', 'b', 'c', 'd', 'e'], size=size, replace=True),
                      'categ2':np.random.choice(a=['A', 'B'], size=size, replace=True), 
                      'col1':np.random.uniform(low=0.0, high=100.0, size=size), 
                      'col2':np.random.uniform(low=0.0, high=100.0, size=size)
                      })
  df = df.sort_values(['categ2', 'categ1', 'col1', 'col2'])
  return(df)


size = 5
dfDict = {'US':GenDf(size), 'IN':GenDf(size), 'GER':GenDf(size)}   
MergeDfDict(dfDict=dfDict, onCols=['categ1', 'categ2'], how='outer', naFill=0)
4

один не нужен мультииндекс для выполнения вступить операции. Нужно просто правильно установить столбец индекса, на котором будут выполняться операции соединения (какая команда df.set_index('Name') например)

The join операция по умолчанию выполняется с индексом. В вашем случае, вы просто должны указать, что Name столбец соответствует вашему индексу. Ниже приведен пример

A учебник могут быть полезны.

# Simple example where dataframes index are the name on which to perform the join operations
import pandas as pd
import numpy as np
name = ['Sophia' ,'Emma' ,'Isabella' ,'Olivia' ,'Ava' ,'Emily' ,'Abigail' ,'Mia']
df1 = pd.DataFrame(np.random.randn(8, 3), columns=['A','B','C'], index=name)
df2 = pd.DataFrame(np.random.randn(8, 1), columns=['D'],         index=name)
df3 = pd.DataFrame(np.random.randn(8, 2), columns=['E','F'],     index=name)
df = df1.join(df2)
df = df.join(df3)

# If you a 'Name' column that is not the index of your dataframe, one can set this column to be the index
# 1) Create a column 'Name' based on the previous index
df1['Name']=df1.index
# 1) Select the index from column 'Name'
df1=df1.set_index('Name')

# If indexes are different, one may have to play with parameter how
gf1 = pd.DataFrame(np.random.randn(8, 3), columns=['A','B','C'], index=range(8))
gf2 = pd.DataFrame(np.random.randn(8, 1), columns=['D'], index=range(2,10))
gf3 = pd.DataFrame(np.random.randn(8, 2), columns=['E','F'], index=range(4,12))

gf = gf1.join(gf2, how='outer')
gf = gf.join(gf3, how='outer')
3

есть еще одно решение от панды документация (этого я здесь не вижу),

С помощью .append

>>> df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))
   A  B
0  1  2
1  3  4
>>> df2 = pd.DataFrame([[5, 6], [7, 8]], columns=list('AB'))
   A  B
0  5  6
1  7  8
>>> df.append(df2, ignore_index=True)
   A  B
0  1  2
1  3  4
2  5  6
3  7  8

The ignore_index=True используется для игнорирования индекса добавленного фрейма данных, заменяя его следующим индексом, доступным в исходном.

если есть разные имена столбцов, Nan будет введен.

1

на python 3.6.3 с pandas 0.22.0 вы также можете использовать concat пока вы устанавливаете в качестве индекса столбцы, которые вы хотите использовать для присоединения

pd.concat(
    (iDF.set_index('name') for iDF in [df1, df2, df3]),
    axis=1, join='inner'
).reset_index()

здесь df1,df2 и df3 определяются как ответ Джона Голта

import pandas as pd
df1 = pd.DataFrame(np.array([
    ['a', 5, 9],
    ['b', 4, 61],
    ['c', 24, 9]]),
    columns=['name', 'attr11', 'attr12']
)
df2 = pd.DataFrame(np.array([
    ['a', 5, 19],
    ['b', 14, 16],
    ['c', 4, 9]]),
    columns=['name', 'attr21', 'attr22']
)
df3 = pd.DataFrame(np.array([
    ['a', 15, 49],
    ['b', 4, 36],
    ['c', 14, 9]]),
    columns=['name', 'attr31', 'attr32']
)
0