python - 在 Python 中使用 Pandas 组合三个 DataFrame

Question

我正在尝试在 python 中组合三个 pandas DataFrame。下面是我尝试组合的三个 DataFrame 以及我想要的输出(其中 NaN 为空)。我知道用左合并连接两个表是行不通的。为了实现所需的输出，两次合并的正确顺序是什么？ (如果不可能的话，不必是一行代码)谢谢!

df1
    +--------+
    | x      |
    +--------+
    | 1      |
    | 2      |
    | 3      |
    +--------+

df2
    +--------+---+
    | x      | b |
    +--------+---+
    | 1      | A |
    | 1      | B |
    | 1      | C |
    | 2      | D |
    | 2      | E |
    | 2      | F |
    | 3      | G |
    +--------+---+

df3
    +--------+---+
    | x      | c |
    +--------+---+
    | 1      | L |
    | 1      | M |
    | 2      | N |
    | 3      | O |
    | 3      | P |
    | 3      | Q |
    +--------+---+

df_result
    +----------------+-----+-----+
    | x              |  b  |  c  |
    +----------------+-----+-----+
    | 1              | A   | NaN |
    | 1              | B   | NaN |
    | 1              | C   | NaN |
    | 1              | NaN | L   |
    | 1              | NaN | M   |
    | 2              | D   | NaN |
    | 2              | E   | NaN |
    | 2              | F   | NaN |
    | 2              | NaN | N   |
    | 3              | G   | NaN |
    | 3              | NaN | O   |
    | 3              | NaN | P   |
    | 3              | NaN | Q   |
    +----------------+-----+-----+

以下尝试不会产生如上所示的 df_result DataFrame:

attempt1:
df_step1 = df1.merge(df2, on='x', how='left')
df_result = df_step1.merge(df3, on='x', how='left')
df_result

我已经尝试过使用左、右、外和内连接/合并的不同组合来进行上述操作

attempt2:
df_result = pd.concat([table1, table2, table3], axis=1, sort='false')
df_result

这也不会产生所需的 df_result DataFrame。

也许我需要连接和合并的组合？或者，因为基本上每个条目都是一个新行，所以我可以编写一个 for 循环，在 df 中的新系列中输入每个条目的信息。像这样的事情:

for i in range(len(df1.index)):
        for j in range (len(df2.index)):
            df_result = df_result.append(df2[j])

        for k in range (len(df3.index)):
            df_result = df_result.append(df3[k])

Answer 1

我发现连接第二个和第三个数据帧，然后按 x 排序列允许我生成一个与上面 df_result 中定义的预期输出相匹配的 df :

df1 = pd.DataFrame({'x': [1,2,3]})
df2 = pd.DataFrame({'x': [1,1,1,2,2,2,3],
                    'b': ['A', 'B', 'C', 'D', 'E', 'F', 'G']})
df3 = pd.DataFrame({'x': [1,1,2,3,3,3],
                    'c': ['L', 'M', 'N', 'O', 'P', 'Q']})


pd.concat([df2, df3], sort=False).sort_values('x').set_index('x', drop=True)

    b   c
x       
1   A   NaN
1   B   NaN
1   C   NaN
1   NaN L
1   NaN M
2   D   NaN
2   E   NaN
2   F   NaN
2   NaN N
3   G   NaN
3   NaN O
3   NaN P
3   NaN Q