So führen sie mehrere dataframes in pandas zusammen (mit beispiel)

Sie können die folgende Syntax verwenden, um mehrere DataFrames gleichzeitig in Pandas zusammenzuführen:

 import pandas as pd
from functools import reduce

#define list of DataFrames
dfs = [df1, df2, df3]

#merge all DataFrames into one
final_df = reduce(lambda left,right: pd.merge (left,right,on=[' column_name '],
                                            how=' outer '), dfs)

Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird:

Beispiel: Mehrere DataFrames in Pandas zusammenführen

Angenommen, wir haben die folgenden drei Panda-DataFrames, die Informationen über Basketballspieler verschiedener Teams enthalten:

 import pandas as pd

#createDataFrames
df1 = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D'],
                    ' points ': [18, 22, 19, 14]})

df2 = pd. DataFrame ({' team ': ['A', 'B', 'C'],
                    ' assists ': [4, 9, 14]})

df3 = pd. DataFrame ({' team ': ['C', 'D', 'E', 'F'],
                    ' rebounds ': [10, 17, 11, 10]})

#view DataFrames
print (df1)

  team points
0 to 18
1 B 22
2 C 19
3 D 14

print (df2)

  team assists
0 to 4
1 B 9
2 C 14

print (df3)

  team rebounds
0 C 10
1 D 17
2 E 11
3 F 10

Wir können die folgende Syntax verwenden, um die drei DataFrames zu einem zusammenzuführen:

 from functools import reduce

#define list of DataFrames
dfs = [df1, df2, df3]

#merge all DataFrames into one
final_df = reduce(lambda left,right: pd.merge (left,right,on=[' team '],
                                            how=' outer '), dfs)

#view merged DataFrame
print (final_df)

  team points assists rebounds
0 A 18.0 4.0 NaN
1 B 22.0 9.0 NaN
2 C 19.0 14.0 10.0
3 D 14.0 NaN 17.0
4 E NaN NaN 11.0
5 F NaN NaN 10.0

Das Endergebnis ist ein DataFrame, der die Informationen aller drei DataFrames enthält.

Beachten Sie, dass NaN- Werte verwendet werden, um leere Zellen im endgültigen DataFrame zu füllen.

Um einen anderen Wert als NaN zum Füllen leerer Zellen zu verwenden, können Sie die Funktion fillna() verwenden:

 from functools import reduce

#define list of DataFrames
dfs = [df1, df2, df3]

#merge all DataFrames into one
final_df = reduce(lambda left,right: pd.merge (left,right,on=[' team '],
                                            how=' outer '), dfs). fillna (' none ')

#view merged DataFrame
print (final_df)

  team points assists rebounds
0 A 18.0 4.0 none
1 B 22.0 9.0 none
2 C 19.0 14.0 10.0
3 D 14.0 none 17.0
4 E none none 11.0
5 F none none 10.0

Jede der leeren Zellen wird nun mit „ none “ anstelle von NaN gefüllt.

Hinweis : Die vollständige Dokumentation der Merge- Funktion in Pandas finden Sie hier .

Zusätzliche Ressourcen

In den folgenden Tutorials wird erläutert, wie andere gängige Vorgänge in Pandas ausgeführt werden:

So führen Sie zwei Pandas DataFrames im Index zusammen
So führen Sie Pandas DataFrames über mehrere Spalten hinweg zusammen
So stapeln Sie mehrere Pandas DataFrames