如何基于多列合并 Pandas DataFrames-Python教程-PHP中文网

如何基于多列合并 Pandas DataFrames

霞舞

发布： 2025-11-16 13:22:11

原创

186人浏览过

如何基于多列合并 pandas dataframes

本文档详细介绍了如何使用 Pandas 库基于多个列进行 DataFrames 的合并操作。通过 `merge` 函数，我们可以灵活地实现内连接、外连接等多种合并方式，并处理缺失值。此外，还提供了排序合并键的方案，以便更好地组织和分析数据。

Pandas 提供了强大的数据合并功能，其中 merge 函数是实现基于列的 DataFrame 合并的关键工具。本文将介绍如何使用 merge 函数，根据多个列的条件将两个 DataFrame 合并成一个，并处理合并过程中可能出现的缺失值。

使用 merge 函数进行多列合并

最直接的方法是使用 pandas.merge 函数。为了区分左右 DataFrame 的列名，可以使用 add_suffix 方法为其中一个 DataFrame 的列名添加后缀。

import pandas as pd

# 示例 DataFrames
df1 = pd.DataFrame({
    'level': ['Level 0', 'Level 1', 'Level 1', 'Level 1', 'Level 2', 'Level 2', 'Level 3'],
    'title': ['Effective', 'Evaluation', 'Ice Breaker', 'Fire', 'Introduction', 'Understanding', 'Connect']
})

df2 = pd.DataFrame({
    'level': ['Level 0', 'Level 1', 'Level 1', 'Level 2', 'Level 2', 'Level 4'],
    'title': ['Effective', 'Evaluation', 'Comedy', 'Introduction', 'Understanding', 'Connect']
})

# 使用 merge 函数进行外连接，并添加后缀以区分列名
out = df1.merge(df2.add_suffix('_'), how='outer',
                left_on=['level', 'title'],
                right_on=['level_', 'title_'])

print(out)

登录后复制

这段代码首先创建了两个示例 DataFrame df1 和 df2。然后，使用 merge 函数将它们合并。how='outer' 指定了外连接方式，这意味着所有行都会被包含在结果中，如果某个 DataFrame 中没有匹配的行，则对应的值会是 NaN。left_on 和 right_on 参数指定了用于合并的列，这里我们同时使用了 'level' 和 'title' 列。为了避免列名冲突，df2 的列名被添加了 _ 后缀。

序列猴子开放平台

具有长序列、多模态、单模型、大数据等特点的超大规模语言模型

查看详情

合并后排序

如果需要在合并后按照合并键进行排序，可以使用以下方法：

import pandas as pd

# 示例 DataFrames
df1 = pd.DataFrame({
    'level': ['Level 0', 'Level 1', 'Level 1', 'Level 1', 'Level 2', 'Level 2', 'Level 3'],
    'title': ['Effective', 'Evaluation', 'Ice Breaker', 'Fire', 'Introduction', 'Understanding', 'Connect']
})

df2 = pd.DataFrame({
    'level': ['Level 0', 'Level 1', 'Level 1', 'Level 2', 'Level 2', 'Level 4'],
    'title': ['Effective', 'Evaluation', 'Comedy', 'Introduction', 'Understanding', 'Connect']
})

# 使用 merge 函数进行外连接，并指定排序键
out = (df1.merge(df2, how='outer',
                 left_on=[df1['level'], df1['title']],
                 right_on=['level', 'title'])
          .sort_values(by=['level'])
      )

print(out)

登录后复制

此代码与前一个示例类似，但增加了一个排序步骤。sort_values(by=['level']) 按照 'level' 列对结果 DataFrame 进行排序。