Самый быстрый способ объединить и добавить несколько CSV/фреймов данных с помощью pandas

У меня есть следующие кадры данных/CSV:

df1=
Person apple ball
A      3     4   
B      5     1

df2=
Person apple cat
A      3     6  
B      5     2  

df3=
Person apple cat
C      6     2   
D      2     2

df4=
Person dog  cat 
C      1    2    
D      1    2   

Мне интересно узнать самый быстрый способ объединить и добавить эти виды кадров данных без каких-либо дубликатов на основе 'Человек'. Ожидаемый результат выглядит так:

output=
Person apple ball  cat  dog
A      3     4     6    nan
B      5     1     2    nan
C      6     nan   2    1
D      2     nan   2    1

Проверьте эту ссылку

Mr. Hobo 11.12.2020 08:20
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
3
1
144
2
Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Ответ принят как подходящий

Если значения одного и того же столбца и индекса одинаковы во всех DataFrame, возможно использование:

Это означает, например. для index=A, column=apple для каждого кадра данных одинаковое значение - здесь 3 (если существует)

dfs = [df1, df2, df3, df4]
#if Person is column, not index
dfs = [x.set_index('Person') for x in dfs]

df = pd.concat(dfs).groupby(level=0).first()
print (df)
       apple  ball  cat  dog
Person                       
A        3.0   4.0  6.0  NaN
B        5.0   1.0  2.0  NaN
C        6.0   NaN  2.0  1.0
D        2.0   NaN  2.0  1.0

Посмотрите, подходит ли это для вашего варианта использования, когда слияние выполняется как для столбцов, так и для меток индекса, и, наконец, объединяет результаты:

first = df1.merge(df2, on=["index", "apple"])
second = df3.merge(df4, on=["index", "cat"])
pd.concat([first, second])

       apple    ball  cat  dog
index               
   A    3       4      6    3
   B    5       1      2    8
   C    6       8      2    1
   D    2       3      2    1

Другие вопросы по теме