有效地合并熊猫中的多个数据框[重复]

Question

在 pandas 中合并多个数据帧（即超过 2 个）的最有效方法是什么？有几个答案：

1. pandas joining multiple dataframes on columns
2. Pandas left outer join multiple dataframes on multiple columns

但这些都涉及多个连接。如果我有 N 个数据帧，这些将需要 N-1 个连接。

如果我不使用 pandas，另一种解决方案是将所有内容放入基于公共索引作为键的哈希表中并构建最终版本。我相信这基本上就像 SQL 中的哈希连接。大熊猫中有类似的东西吗？

如果不是，那么仅使用公共索引创建一个新数据框并将每个数据框的原始数据传递给它会更有效吗？看起来这至少会阻止您在每个 N-1 连接中创建一个新的数据框。

谢谢。

Answer 1

如果您可以通过索引加入数据帧，则可以在一个传送带中完成：

df1.join(df2).join(df3).join(df4)

示例：

In [187]: df1
Out[187]:
   a  b
0  5  2
1  6  7
2  6  5
3  1  6
4  0  2

In [188]: df2
Out[188]:
   c  d
0  5  7
1  5  5
2  2  4
3  4  3
4  9  0

In [189]: df3
Out[189]:
   e  f
0  8  1
1  0  9
2  4  5
3  3  9
4  9  5

In [190]: df1.join(df2).join(df3)
Out[190]:
   a  b  c  d  e  f
0  5  2  5  7  8  1
1  6  7  5  5  0  9
2  6  5  2  4  4  5
3  1  6  4  3  3  9
4  0  2  9  0  9  5

它应该非常快速有效

您也可以将它们连接起来：

In [191]: pd.concat([df1,df2,df3], axis=1)
Out[191]:
   a  b  c  d  e  f
0  5  2  5  7  8  1
1  6  7  5  5  0  9
2  6  5  2  4  4  5
3  1  6  4  3  3  9
4  0  2  9  0  9  5

3 个 DF 的时间比较，每个 100K 行：

In [198]: %timeit pd.concat([df1,df2,df3], axis=1)
100 loops, best of 3: 5.67 ms per loop

In [199]: %timeit df1.join(df2).join(df3)
100 loops, best of 3: 3.93 ms per loop

所以你可以看到join有点快