使用 pd.merge() 合并两个以上的数据帧

Question

我尝试根据特定列（“文件名”）使用 pd.merge() 合并 4 个 csv 文件。我读到合并仅适用于两个数据帧，而是尝试按连续步骤合并前两个数据帧，然后是第三个数据帧，然后是第四个数据帧。这最终成功了，代码如下：combine = pd.merge(file1, file2, on='filename', how='inner')combine1 = pd.merge(combine, file3, on='filename', how='inner')combine2 = pd.merge(combine1, file4, on='filename', how='inner')产生以下结果：filename,  count_x,  count_y,  count_x,  count_yM116_13331848_13109013422677.jpg,  21,  11,  18,  16M116_13331848_13109013387678.jpg,  21,  13,  13,  18M116_13331848_13109013329679.jpg,  19,  15,  16,  15M116_13331848_13109013424677.jpg,  18,  13,  16,  15M116_13331848_13109013385678.jpg,  17,  12,  15,  13正如您所看到的，该过程在列上生成了令人困惑的标题。因此，我尝试使用 suffixes 参数来控制这些标头。但是，这只适用于第一个 pd.merge() 命令，不适用于第二个/第三个命令。这是我的完整脚本：如何将我自己的标题归因于组合 df 中的每一列？谢谢你，R

Answer 1

也许您可以suffixes在合并中使用参数来控制列名称。来自pandas 合并文档：

将 DataFrame df1 和 df2 与附加到任何重叠列的指定左后缀和右后缀合并。

在上面，类似：

combine = pd.merge(file1, file2, on='filename', how='inner', suffixes=('_file1', '_file2'))

其他方面也类似merge。这样你就可以在合并时知道计数来自哪里。

例子：

# Creating Dataframes

df1 = pd.DataFrame({'col1': ['foo', 'bar', 'baz'], 'count': [1, 2, 3]})

df2 = pd.DataFrame({'col1': ['foo', 'bar', 'baz'], 'count': [5, 6, 7]})

df1：

    col1    count

0   foo      1

1   bar      2

2   baz      3

df2：

    col1    count

0   foo      5

1   bar      6

2   baz      7

合并

pd.merge(df1, df2, on='col1', suffixes=('_df1', '_df2'))

结果：

    col1    count_df1   count_df2

0   foo        1         5

1   bar        2         6

2   baz        3         7

更新

鉴于您有四个数据框，也许您可以尝试：

# Combine two of them

combine1 = pd.merge(file1, file2, on='filename', how='inner', suffixes=('_file1', '_file2'))

# Combine other two

combine2 = pd.merge(file3, file4, on='filename', how='inner', suffixes=('_file3', '_file4'))

# Now combine the combined dataframes

combine = pd.merge(combine1, combine2, on='filename', how='inner')