Pandas：合并数据框并保留重复索引

Question

我有两个数据框（dataframe），我想把它们按列拼接在一起（也就是横着拼），并且希望使用内连接的方式。一个数据框里有一些重复的索引，但这些行的数据并不重复，我不想丢失这些数据：

df1 = pd.DataFrame([{'a':1,'b':2},{'a':1,'b':3},{'a':2,'b':4}],
                   columns = ['a','b']).set_index('a')

df2 = pd.DataFrame([{'a':1,'c':5},{'a':2,'c':6}],columns = ['a','c']).set_index('a')

>>> df1
   b
a   
1  2
1  3
2  4
8  9

>>> df2
   c
a   
1  5
2  6

默认情况下，concat的行为是用NaN来填充缺失的值：

>>> pd.concat([df1,df2])
    b   c
a
1   2 NaN
1   3 NaN
2   4 NaN
1 NaN   5
2 NaN   6

我想保留第一个数据框中的重复索引，并用第二个数据框中的重复值来填充它们，但在pandas 0.13.1版本中，按列进行内连接会出错。在更新版本的pandas中，concat可以实现我想要的效果：

>>> pd.concat([df1, df2], axis=1, join='inner')
   b  c
a      
1  2  5
1  3  5
2  4  6

那么，达到我想要的结果的最佳方法是什么呢？有没有使用groupby的解决方案？或者我根本就不应该使用concat？

Answer 1

我又回到这个话题，因为我在找如何合并名字不同的列并保留重复项的方法：

df1 = pd.DataFrame([{'a':1,'b':2},{'a':1,'b':3},{'a':2,'b':4}],
                   columns = ['a','b'])
df1
   a  b
0  1  2
1  1  3
2  2  4

df2 = pd.DataFrame([{'c':1,'d':5},{'c':2,'d':6}],
                   columns = ['c','d'])
df2
   c  d
0  1  5
1  2  6

我发现 pd.merge(df1, df2.set_index('c'), left_on='a', right_index=True) 可以做到这一点：

df3
   a  b  d
0  1  2  5
1  1  3  5
2  2  4  6

如果列名相同（就像提问者的例子那样），你也可以用 .set_index('a'), left_on='a'。

Answer 2

你可以进行合并，并设置参数来使用左边和右边的索引：

In [4]:    
df1.merge(df2, left_index=True, right_index=True)
Out[4]:
   b  c
a      
1  2  5
1  3  5
2  4  6

[3 rows x 2 columns]

连接应该是可以的，这对我有效：

In [5]:

pd.concat([df1,df2], join='inner', axis=1)
Out[5]:
   b  c
a      
1  2  5
1  3  5
2  4  6

[3 rows x 2 columns]