如何在Python中高效地合并多个DataFrame？

如何合并多个数据帧

问题

合并多个数据帧可能会很复杂且令人沮丧，尤其是当数据帧数量增加时。虽然可以使用嵌套合并函数，但这种方法变得难以管理且容易出错。

解决方案

要以更优雅、更高效的方式合并多个数据帧，请考虑以下解决方案：

import pandas as pd
from functools import reduce

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

# Merge the dataframes using the reduce function
df_merged = reduce(lambda left, right: pd.merge(left, right, on=['DATE'], how='outer'), dfs)

该解决方案利用 functools 模块中的reduce 函数来迭代合并数据帧。 lambda 函数定义合并操作，使用指定的列进行连接（'DATE'），并使用 'outer' 合并方法保留所有行。

优点

干净且易于理解: 该解决方案提供了一种清晰简洁的方法来合并多个数据帧，消除了复杂的嵌套合并的需要

有效处理多个数据帧：此解决方案可以处理任意数量的数据帧，使其可扩展且方便。

示例

考虑以下内容dataframes:

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%

使用提供的解决方案，我们可以合并这些数据框：

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

结果：

DATE    VALUE1    VALUE2    VALUE3
May 15, 2017;  1,901.00;0.1%;  2,902.00;1000000;0.2%;   3,903.00;2000000;0.3%

以上是如何在Python中高效地合并多个DataFrame？的详细内容。更多信息请关注PHP中文网其他相关文章！