基于多列合并 Pandas DataFrames 的实用指南

---

本文档详细介绍了如何使用 Pandas 库基于多个列来合并两个 DataFrames。我们将探讨使用 `merge` 函数的不同方法，包括处理缺失值和排序结果，以生成满足特定需求的合并数据集。通过学习本文，你将掌握高效的数据合并技巧，为后续的数据分析和处理打下坚实基础。

在数据分析和处理中，经常需要将来自不同来源的数据集合并成一个统一的数据集。Pandas 库提供了强大的 merge 函数，可以根据一个或多个列将两个 DataFrames 连接起来。本文将详细介绍如何使用 merge 函数，并提供一些实用的技巧和示例。

使用 merge 函数进行外连接

最直接的方法是使用 pandas.merge 函数执行外连接（outer join）。外连接会保留两个 DataFrame 中的所有行，并在缺失值的地方填充 NaN。为了区分左右 DataFrame 的列名，我们可以使用 add_suffix 函数为列名添加后缀。

import pandas as pd

# 示例数据
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 进行外连接，并添加后缀
out = df1.merge(df2.add_suffix('_'), how='outer',
                left_on=['level', 'title'],
                right_on=['level_', 'title_'])

print(out)

输出结果如下：

     level          title   level_         title_
0  Level 0      Effective  Level 0      Effective
1  Level 1     Evaluation  Level 1     Evaluation
2  Level 1    Ice Breaker      NaN            NaN
3  Level 1           Fire      NaN            NaN
4  Level 2   Introduction  Level 2   Introduction
5  Level 2  Understanding  Level 2  Understanding
6  Level 3        Connect      NaN            NaN
7      NaN            NaN  Level 1         Comedy
8      NaN            NaN  Level 4        Connect

对合并后的结果进行排序

如果需要对合并后的结果进行排序，可以使用 sort_values 函数。在这种情况下，我们不需要手动添加后缀，可以直接在 left_on 和 right_on 参数中指定要合并的列。

无限画

千库网旗下AI绘画创作平台

574 查看详情

import pandas as pd

# 示例数据
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 进行外连接，并排序
out = (df1.merge(df2, how='outer',
                 left_on=[df1['level'], df1['title']],
                 right_on=['level', 'title'])
          .sort_values(by=['level'])
      )

print(out)

输出结果如下：

     level          title level_x      title_x level_y    title_y
0  Level 0      Effective Level 0  Effective Level 0  Effective
1  Level 1     Evaluation Level 1 Evaluation Level 1 Evaluation
2  Level 1    Ice Breaker Level 1 Ice Breaker     NaN        NaN
3  Level 1           Fire Level 1      Fire     NaN        NaN
7  Level 1         Comedy     NaN        NaN Level 1     Comedy
4  Level 2   Introduction Level 2 Introduction Level 2 Introduction
5  Level 2  Understanding Level 2 Understanding Level 2 Understanding
6  Level 3        Connect Level 3    Connect     NaN        NaN
8  Level 4        Connect     NaN        NaN Level 4    Connect

清理结果

如果需要删除重复的列，可以取消注释代码中的 .drop(columns=['level', 'title']) 行。这将删除用于合并的原始列，只保留带有后缀的列。

注意事项

• 确保要合并的列具有相同的数据类型。如果数据类型不匹配，可能会导致合并失败或产生意外的结果。
• 如果两个 DataFrame 中存在相同的列名，merge 函数会自动为右侧 DataFrame 的列名添加后缀。可以通过 suffixes 参数自定义后缀。
• how 参数指定了合并的方式。除了 outer，还可以使用 inner（内连接）、left（左连接）和 right（右连接）。
• 在处理大型数据集时，合并操作可能会比较耗时。可以考虑使用 dask 等分布式计算框架来加速合并过程。

总结

本文介绍了如何使用 Pandas 库基于多个列来合并两个 DataFrames。通过掌握 merge 函数的不同用法，可以灵活地处理各种数据合并场景。在实际应用中，需要根据具体的需求选择合适的合并方式和参数，并注意数据类型和性能优化等问题。

以上就是基于多列合并 Pandas DataFrames 的实用指南的详细内容，更多请关注其它相关文章！

# 党风建设期刊网站  # 淘宝上架seo  # 水果茶网站发布与推广  # 台湾抖音搜索推广网站  # 顺德建材网站建设  # 南美境外推广营销  # seo和推广收益  # 推广营销网店  # 北碚区网站seo  # 魏军讲产品和营销推广  # 多个  # 中文网  # 可以通过  # 相关文章  # 并在  # 不需要  # 还可以  # 可以使用  # 详细介绍  # 如何使用 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： MongoDB聚合管道：高效统计列表中各项的文档数量  C++如何实现矩阵乘法_C++二维数组矩阵运算代码示例  《糖豆》添加舞曲方法  QQ邮箱官方登录页_腾讯出品安全稳定的邮箱服务  如何使用 Optional 类型并满足 Pylint 的类型检查  汽水音乐车机版 汽水音乐车机版官方入口  《全民k歌》网页版最新登录入口一览  t3出行如何使用微信支付  263企业邮箱如何设置邮件转发功能  Win10怎么设置快速启动 Win10开启快速启动设置方法  深入理解Python对象引用与链表属性赋值  C#解析来自网络的XML流数据 实时错误处理与重试机制  汽水音乐官方网站登录入口_汽水音乐网页版进入链接  《火影忍者：木叶高手》快速升级攻略  Lar*el Dusk 测试中管理浏览器权限：以剪贴板访问为例  VS Code快捷键when上下文子句的妙用  《咸鱼之王》新版孙坚技能解析  mysql如何回滚事务_mysql ROLLBACK事务回滚方法  为什么XML解析器对大小写敏感？ 理解XML规范中的大小写规则与最佳实践  使用Python和GBGB API高效抓取指定日期范围和赛道比赛结果教程  J*aScript中高效处理用户输入：从Keyup事件到表单提交的优化实践  c++如何掌握指针的核心用法_c++指针入门到精通指南  德邦快递收费标准详解  《单词速记宝》设置学习计划方法  HTML与J*aScript实现下拉菜单驱动的动态表格：构建交互式维修表单  中大网校app做题记录清除方法  《东方财富》条件单关闭方法  Go语言中方法接收器的选择：值类型还是指针类型？  荣耀magicv5怎么上手测评  除了Copilot，还有哪些值得一试的VS Code AI插件？  PPT智能排版生成入口 免费PPT内容自动生成平台  QQ邮箱注册地址 免费获取QQ邮箱账号  composer 提示 "requires ext-soap" 缺少 SOAP 扩展怎么办？  《饿了么》拼好饭点外卖教程2025  如何在CSS中使用过渡制作按钮边框渐变_border-color transition实现  Highcharts雷达图轴线交点数值标注指南  《深林》冬季章节图文攻略  Bootstrap 5导航栏折叠功能失效：数据属性迁移指南  掌握CSS :has() 选择器：父选择器、嵌套限制与常见陷阱解析  《下一站江湖2》心法融合技巧  铁路12306官网登录入口 铁路12306在线购票官方平台  快手缓存清理方法  Composer reinstall命令重装损坏的包  Python项目中的条件导入：解决跨模块依赖问题  漫蛙漫画官方版直通入口 2025漫蛙漫画免注册访问说明  网页版网易云音乐入口_网易云音乐在线官网登录  steam缓存文件在哪儿_steam缓存文件的路径查找方法与结构说明  Teambition网盘如何共享文件  Golang中的rune与byte类型区别是什么_Golang字符与字节处理详解  构建可配置的J*aScript加权点击计数器与共享总计功能 

 2025-11-17