如何根据索引合并两个dataframe

如何根据索引合并两个dataframe

该DataFrame包含的数据如下 假如我们想要筛选D列数据中大于0的行 使用&符号可以实现多条件筛选

pandas中的数据结构 series：一维数组，与numpy中的一维array类似。二者与python基本的数据结构list也很相近，其区别是：list中的元素可以是不同的数据类型，而array和series中则只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。 time- series：以时间为索引的series。 dataframe：二维的表格型数据结构。很多功能与r中的data.frame类似。可以将dataframe理解为series的容器。以下的内容主要以dataframe为主。 panel ：三维的数组，可以理解为dataframe的容器。 在数据处理时，有时候为了数据整合，需要使用合并功能。 数据合并将多个dataframe合并成一个dataframe。 import pandas as pd from pandas import dataframe df1=dataframe({'a':['a0','a1','a2','a3'], 'b':['b0','b1','b2','b3'], 'c':['c0','c1','c2','c3'], 'd':['d0','d1','d2','d3']}, index=[0,1,2,3]) df2=dataframe({'a':['a4','a5','a6','a7'], 'b':['b4','b5','b6','b7'], 'c':['c4','c5','c6','c7'], 'd':['d4','d5','d6','d7']}, index=[4,5,6,7]) df3=dataframe({'a':['a8','a9','a10','a11'], 'b':['b8','b9','b10','b11'], 'c':['c8','c9','c10','c11'], 'd':['d8','d9','d10','d11']}, index=[8,9,10,11]) frames=[df1,df2,df3] result=pd.concat(frames) 演示及结果如下 将三个dataframe合并到一个dataframe。 使用concat（）函数。 以下是其函数的相关参数。 result = pd.concat(frames, keys=['x', 'y', 'z']) result result.ix['x'] 将其合并后用索引区分来源于不同dataframe的数据。 df4=dataframe({'b':['b2','b3','b6','b7'], 'd':['d2','d3','d6','d7'], 'f':['f2','f3','f6','f7']}, index=[2,3,6,7]) result=pd.concat([df1,df4],axis=1) result=pd.concat([df1,df4],axis=1,join='inner') concat()默认join参数（default）为outer，为并集（union） 指定为inner时为交集（intersection）

df_new = df.set_index('new_index_col')

如以上回答内容为低俗、色情、不良、暴力、侵权、涉及违法等信息，可以点下面链接进行举报！

点此我要举报以上问答信息