Pandas 在其相似列上合并 2 个数据框（即索引）答案

【问题标题】：Pandas merging 2 dataframes on their similar columns(which is the index)Pandas 在其相似列上合并 2 个数据框（即索引）
【发布时间】：2018-05-09 17:44:23
【问题描述】：

我有两个数据框，我碰巧将“timeStamp”设置为索引。 df_1.set_index('timeStamp', inplace=True)。

df_1

                     value
timeStamp                 
2016-11-23 20:00:00  37.21
2016-11-23 21:00:00  37.79
2016-11-23 22:00:00  33.99
2016-11-23 23:00:00  32.66
2016-11-24 00:00:00  31.61

df_2

                     value
timeStamp                 
2016-11-23 23:00:00  32.92
2016-11-24 00:00:00  31.54
2016-11-24 01:00:00  29.14

我想制作一个数据框，在共享时间时比较这两个值。我尝试了combined_df= pd.merge(df_real, df_fc, on='timeStamp', how='inner')，得到了key error。

因此，我没有将两个数据帧合并到一个索引上，而是保留了没有“timeStamp”的数据帧作为它们的索引。例如。

我用 df 代替合并

             timeStamp  value
0  2016-11-23 20:00:00  37.21
1  2016-11-23 21:00:00  37.79
2  2016-11-23 22:00:00  33.99
3  2016-11-23 23:00:00  32.66
13 2016-11-24 00:00:00  31.61

然后我能够合并并设置我的新df（如下所示）。稍后我还将索引设置为时间戳。

            timeStamp  value_x  value_y 
0  2016-11-23 23:00:00    32.66    32.92

我的问题为什么我不能合并指定为索引的列名？我想将该合并设置为一个新的数据框...

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

我相信您可以合并索引。您似乎只是使用了错误的语法。而不是指定on，您应该尝试使用left_index 和right_index。

见documentation for merges here

【讨论】：

【解决方案2】：

您需要表明您正在合并索引：

pd.merge(df_1, df_2, left_index=True, right_index=True, how='inner')

【讨论】：

【解决方案3】：

DataFrame 加入/合并

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None,
         left_index=False, right_index=False, sort=True,
         suffixes=('_x', '_y'), copy=True, indicator=False,
         validate=None)

https://pandas.pydata.org/pandas-docs/stable/merging.html

【讨论】：

【解决方案4】：

试试这个：

df_real.merge(df_fc, on='timeStamp', how='inner')

测试代码：

import pandas as pd
d = {'time1': ['A', 'B'], 'val1': [2, 4]}
df = pd.DataFrame(data=d)
df.set_index('time1')

d1 = {'time1': ['A', 'B','C'], 'val1': [5, 6, 9]}
df2 = pd.DataFrame(data=d1)
df2.set_index('time1')

df.merge(df2, on = 'time1')

输出是：

    time1   val1_x  val1_y
  0    A       2      5
  1    B       4      6

【讨论】：