在熊猫中连接两个数据框的行

问题描述：

我需要水平连接两个具有相同行数（）的数据框df_a和，而不考虑任何键。此功能类似于R 编程语言中的。每个数据框中的列数可能不同。df_b`nRow`cbind

生成的数据框将具有与两个数据框的列数nRow和行数相同的行数和列数，等于两个数据框的列数之和。换句话说，这是两个数据框的盲列连接。

import pandas as pd
dict_data = {'Treatment': ['C', 'C', 'C'], 'Biorep': ['A', 'A', 'A'], 'Techrep': [1, 1, 1], 'AAseq': ['ELVISLIVES', 'ELVISLIVES', 'ELVISLIVES'], 'mz':[500.0, 500.5, 501.0]}
df_a = pd.DataFrame(dict_data)
dict_data = {'Treatment1': ['C', 'C', 'C'], 'Biorep1': ['A', 'A', 'A'], 'Techrep1': [1, 1, 1], 'AAseq1': ['ELVISLIVES', 'ELVISLIVES', 'ELVISLIVES'], 'inte1':[1100.0, 1050.0, 1010.0]}
df_b = pd.DataFrame(dict_data)

解决方案 1：

调用concat并传递参数axis=1来按列连接：

In [5]:

pd.concat([df_a,df_b], axis=1)
Out[5]:
        AAseq Biorep  Techrep Treatment     mz      AAseq1 Biorep1  Techrep1  \n0  ELVISLIVES      A        1         C  500.0  ELVISLIVES       A         1   
1  ELVISLIVES      A        1         C  500.5  ELVISLIVES       A         1   
2  ELVISLIVES      A        1         C  501.0  ELVISLIVES       A         1   

  Treatment1  inte1  
0          C   1100  
1          C   1050  
2          C   1010  

网上有一个关于合并、连接和串联的各种方法的有用指南。

例如，由于没有冲突的列，因此您可以merge使用索引，因为它们具有相同的行数：

In [6]:

df_a.merge(df_b, left_index=True, right_index=True)
Out[6]:
        AAseq Biorep  Techrep Treatment     mz      AAseq1 Biorep1  Techrep1  \n0  ELVISLIVES      A        1         C  500.0  ELVISLIVES       A         1   
1  ELVISLIVES      A        1         C  500.5  ELVISLIVES       A         1   
2  ELVISLIVES      A        1         C  501.0  ELVISLIVES       A         1   

  Treatment1  inte1  
0          C   1100  
1          C   1050  
2          C   1010  

出于与上述相同的原因，一个简单的join方法也可以：

In [7]:

df_a.join(df_b)
Out[7]:
        AAseq Biorep  Techrep Treatment     mz      AAseq1 Biorep1  Techrep1  \n0  ELVISLIVES      A        1         C  500.0  ELVISLIVES       A         1   
1  ELVISLIVES      A        1         C  500.5  ELVISLIVES       A         1   
2  ELVISLIVES      A        1         C  501.0  ELVISLIVES       A         1   

  Treatment1  inte1  
0          C   1100  
1          C   1050  
2          C   1010  

解决方案 2：

感谢@EdChum，我也遇到了同样的问题，尤其是当索引不匹配时。不幸的是，在 Pandas 指南中没有提到这种情况（例如，当你删除一些行时）

import pandas as pd
t=pd.DataFrame()
t['a']=[1,2,3,4]
t=t.loc[t['a']>1] #now index starts from 1

u=pd.DataFrame()
u['b']=[1,2,3] #index starts from 0

#option 1
#keep index of t
u.index = t.index 

#option 2
#index of t starts from 0
t.reset_index(drop=True, inplace=True)

#now concat will keep number of rows 
r=pd.concat([t,u], axis=1)

解决方案 3：

如果索引标签不同（例如，如果df_a.index == [0, 1, 2]和df_b.index == [10, 20, 30]为True），则直接join（或concat或merge）可能会产生 NaN 行。在这种情况下，一种有用的方法是set_axis()强制索引相同。

concatenated_df = df_a.join(df_b.set_axis(df_a.index))
# or 
concatenated_df = pd.concat([df_a, df_b.set_axis(df_a.index)], axis=1)

如果帧的长度相同，那么您也可以将其分配df_b给df_a。与concat（或join或merge）不同，这会改变df_a并且不会创建新的数据帧。

df_a[df_b.columns] = df_b

# if index labels are different
df_a[df_b.columns] = df_b.set_axis(df_a.index)