python - Pandas 数据帧 : merge files by common columns

Question

我有一个文件集合，其中有一些我想要加入的常见列。在我的实际问题中，有几个不同和共同的列。在此玩具示例中，我有一组 a 文件和一组 b 文件，它们具有唯一的列并共享相同的 c 列。

$ for ii in $(ls *.dat) ; do echo " "; echo $ii ; cat $ii ; done

a1.dat
a,c
4,8
1,10
2,3

a2.dat
a,c
1,2
3,4

b1.dat
b,c
2,8
2,10
1,3

b2.dat
b,c
.2,2
.8,4

我想扫描这些文件并将它们合并到一个数据帧中。这是我到目前为止所尝试过的。我连接第一个文件以确保收集了所有列名称，然后合并其余文件。当我按“内部”合并时，会返回一个空数据框。

$ cat s.py 
import pandas as pd
dat = pd.DataFrame()
for ii in [1, 2]:
  for jj in ['a', 'b']:
     d = pd.read_csv('%s%i.dat' % (jj, ii))
     if ii == 1: dat = pd.concat([dat, d])
     else: dat = pd.merge(dat, d, how='outer')
print(dat)

$ Python s.py 
     a    b   c
0  4.0  NaN   8
1  1.0  NaN  10
2  2.0  NaN   3
3  NaN  2.0   8
4  NaN  2.0  10
5  NaN  1.0   3
6  1.0  NaN   2
7  3.0  NaN   4
8  NaN  0.2   2
9  NaN  0.8   4

这不是我想要的输出。我不明白如何才能让这项工作变得更好。所需的输出是

     a    b   c
0  4.0  2.0   8
1  1.0  2.0  10
2  2.0  1.0   3
3  1.0  0.2   2
4  3.0  0.8   4

Answer 1

有两个步骤:

首先，将所有相同类型的文件连接到一个 DataFrame 中:

df = {}
for k in ['a', 'b']:
    df[k] = pd.concat([
            pd.read_csv('%s%d.dat' % (k, i)) for i in [1, 2]
            ], axis=0)

然后在共享列“c”上合并联接，

result = df['a'].merge(df['b'], on='c')[['a', 'b', 'c']]