Datenrahmen nach Index zusammenführen
Einführung
Das Zusammenführen von Datenrahmen ist eine häufige Aufgabe in der Datenanalyse Informationen aus mehreren Quellen zu kombinieren. Typischerweise erfolgt die Zusammenführung anhand von Spalten als Übereinstimmungskriterium. Es gibt jedoch Fälle, in denen Sie Datenrahmen möglicherweise basierend auf ihren Indizes zusammenführen müssen. Dieser Artikel bietet Anleitungen, wie Sie dies erreichen können.
Datenrahmen nach Index mithilfe von Join-Methoden zusammenführen
Um Datenrahmen nach Index zusammenzuführen, können Sie die folgenden Join-Methoden verwenden:
<code class="python">pd.merge(df1, df2, left_index=True, right_index=True)</code>
<code class="python">df1.join(df2)</code>
<code class="python">pd.concat([df1, df2], axis=1)</code>
Beispiele
Berücksichtigen Sie die folgenden Datenrahmen:
<code class="python">df1 = pd.DataFrame({'a':range(6), 'b':[5,3,6,9,2,4]}, index=list('abcdef')) df2 = pd.DataFrame({'c':range(4), 'd':[10,20,30, 40]}, index=list('abhi'))</code>
Standard Inner Join:
<code class="python">df3 = pd.merge(df1, df2, left_index=True, right_index=True)</code>
Ausgabe:
a b c d a 0 5 0 10 b 1 3 1 20
Standard-Links-Join:
<code class="python">df4 = df1.join(df2)</code>
Ausgabe:
a b c d a 0 5 0.0 10.0 b 1 3 1.0 20.0 c 2 6 NaN NaN d 3 9 NaN NaN e 4 2 NaN NaN f 5 4 NaN NaN
Standard-Outer-Join:
<code class="python">df5 = pd.concat([df1, df2], axis=1)</code>
Ausgabe:
a b c d a 0.0 5.0 0.0 10.0 b 1.0 3.0 1.0 20.0 c 2.0 6.0 NaN NaN d 3.0 9.0 NaN NaN e 4.0 2.0 NaN NaN f 5.0 4.0 NaN NaN h NaN NaN 2.0 30.0 i NaN NaN 3.0 40.0
Das obige ist der detaillierte Inhalt vonWie füge ich DataFrames basierend auf ihren Indizes zusammen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!