Python：熊猫合并了多个数据框

Question

我有不同的数据框，需要根据日期列将它们合并在一起。如果我只有两个数据帧，则可以使用df1.merge(df2, on='date')来对三个数据帧进行操作df1.merge(df2.merge(df3, on='date'), on='date')，但是，使用多个数据帧将变得非常复杂且难以读取。

所有数据框都有一个共同的列- date，但是它们没有相同数量的行或列，而我只需要每个数据框共有每个日期的那些行。

因此，我正在尝试编写一个递归函数，该函数返回一个包含所有数据的数据框，但是它不起作用。那我应该如何合并多个数据框？

我试图diferent方式和喜欢了错误out of range，keyerror 0/1/2/3和can not merge DataFrame with instance of type <class 'NoneType'>。

这是我写的脚本：

dfs = [df1, df2, df3] # list of dataframes

def mergefiles(dfs, countfiles, i=0):
    if i == (countfiles - 2): # it gets to the second to last and merges it with the last
        return

    dfm = dfs[i].merge(mergefiles(dfs[i+1], countfiles, i=i+1), on='date')
    return dfm

print(mergefiles(dfs, len(dfs)))

例如：df_1：

May 19, 2017;1,200.00;0.1%
May 18, 2017;1,100.00;0.1%
May 17, 2017;1,000.00;0.1%
May 15, 2017;1,901.00;0.1%

df_2：

May 20, 2017;2,200.00;1000000;0.2%
May 18, 2017;2,100.00;1590000;0.2%
May 16, 2017;2,000.00;1230000;0.2%
May 15, 2017;2,902.00;1000000;0.2%

df_3：

May 21, 2017;3,200.00;2000000;0.3%
May 17, 2017;3,100.00;2590000;0.3%
May 16, 2017;3,000.00;2230000;0.3%
May 15, 2017;3,903.00;2000000;0.3%

预期合并结果：

May 15, 2017;  1,901.00;0.1%;  2,902.00;1000000;0.2%;   3,903.00;2000000;0.3%

Answer 1

下面是在不涉及复杂查询的情况下合并多个数据框的最简洁，可理解的方法。

只需将 DATE 作为索引合并，然后使用 OUTER 方法合并（以获取所有数据）。

import pandas as pd
from functools import reduce

df1 = pd.read_table('file1.csv', sep=',')
df2 = pd.read_table('file2.csv', sep=',')
df3 = pd.read_table('file3.csv', sep=',')

现在，基本上将您拥有的所有文件作为数据框加载到列表中。然后，使用merge或reduce功能合并文件。

# compile the list of dataframes you want to merge
data_frames = [df1, df2, df3]

注意：您可以在上面的列表中添加尽可能多的数据框。 这是有关此方法的优点。不涉及复杂的查询。

要保留属于同一日期的值，您需要在 DATE

df_merged = reduce(lambda  left,right: pd.merge(left,right,on=['DATE'],
                                            how='outer'), data_frames)

# if you want to fill the values that don't exist in the lines of merged dataframe simply fill with required strings as

df_merged = reduce(lambda  left,right: pd.merge(left,right,on=['DATE'],
                                            how='outer'), data_frames).fillna('void')

• 现在，输出将显示同一行中同一日期的值。
• 您可以使用fillna（）填充来自不同框架的不同列的不存在的数据。

然后根据需要将合并的数据写入csv文件。

pd.DataFrame.to_csv(df_merged, 'merged.txt', sep=',', na_rep='.', index=False)

这应该给你

DATE VALUE1 VALUE2 VALUE3 ....