如何精确合并两个不同的DataFrame，它们之间有完全不同的列

Question

例如，有两个数据框，即 df1(n x m1) 和 df2(n x m2)，它们之间没有公共列。那么如何合并数据帧，使输出数据帧的形状恰好是 n x (m1+m2) ？

df1 = pd.DataFrame({
    'col_1': [0, 1, 2, 3],
    'col_2': [4, 5, 6, 7]})

df2 = pd.DataFrame({
    'col_3': [6, 4, 3, 1],
    'col_4': [9, 3, 7, 1], 
    'col_5': [19, 13, 17, 10]})

这个社区发布了很多关于以下问题的解决方案，在网络上也提供了解决方案。然而，保留上述维度 (n x (m1+m2)) 的资源却出奇地难以找到。 对于上面的示例或小尺寸数据样本，下面的合并方法表现完美。

df1. merge(df2, how='inner', left_index= True, right_index= True)

但合并方法不适用于具有大量元素的高维数据帧。以 kaggle 房屋定价数据集为例

https://www.kaggle.com/c/house-prices-advanced-regression-techniques

在分离数字和分类特征（数据框）后，当尝试在保持行大小相同的情况下合并它们时，它变成两个数据框的行总和的两倍（2 *（n + n）） 用于以下合并方法。他们是否有任何其他方式或适当的方法可以适当地完成任务？

Answer 1

有很多方法可以做到这一点：

第一种方式：

print(df1.join(df2))

第二种方式：

print(pd.concat([df1, df2], axis=1))

第三种方式：

print(df1.merge(df2, left_index=True, right_index=True))

时间安排：

from timeit import timeit
df1 = pd.DataFrame({
    'col_1': [0, 1, 2, 3],
    'col_2': [4, 5, 6, 7]})

df2 = pd.DataFrame({
    'col_3': [6, 4, 3, 1],
    'col_4': [9, 3, 7, 1], 
    'col_5': [19, 13, 17, 10]})

print('First Solution', timeit(lambda: df1.join(df2), number=10000))
print('Second Solution', timeit(lambda: pd.concat([df1, df2], axis=1), number=10000))
print('Third Solution', timeit(lambda: df1.merge(df2, left_index=True, right_index=True), number=10000))

第二种方案获胜：

First Solution 8.202560314644044
Second Solution 7.059892805897661
Third Solution 7.59388310738364

当然，当你不需要最好的性能时，你也可以使用第一个和第三个，我主要使用第一个，因为它很短。

Answer 2

由于您没有公共列，因此我假设您想将它们并排（轴 = 1）连接：

df1.concat(df2,axis=1)

这将连接列轴上的两个数据框。