web-dev-qa-db-ja.com

Python：pandasは複数のデータフレームをマージします

異なるデータフレームがあり、日付列に基づいてそれらを結合する必要があります。データフレームが2つしかない場合、df1.merge(df2, on='date')を使用して3つのデータフレームで実行できますが、df1.merge(df2.merge(df3, on='date'), on='date')を使用しますが、複数のデータフレームで実行すると非常に複雑で読みにくくなります。

すべてのデータフレームには共通の列が1つあります-dateですが、行数と列数が同じではなく、各データフレームに共通する日付の行のみが必要です。

そのため、すべてのデータを含むデータフレームを返す再帰関数を作成しようとしていますが、機能しませんでした。複数のデータフレームをマージするにはどうすればよいですか？

さまざまな方法を試してみましたが、out of range、keyerror 0/1/2/3、can not merge DataFrame with instance of type <class 'NoneType'>などのエラーが発生しました。

これは私が書いたスクリプトです：

dfs = [df1, df2, df3] # list of dataframes

def mergefiles(dfs, countfiles, i=0):
    if i == (countfiles - 2): # it gets to the second to last and merges it with the last
        return

    dfm = dfs[i].merge(mergefiles(dfs[i+1], countfiles, i=i+1), on='date')
    return dfm

print(mergefiles(dfs, len(dfs)))

例：df_1：

May 19, 2017;1,200.00;0.1%
May 18, 2017;1,100.00;0.1%
May 17, 2017;1,000.00;0.1%
May 15, 2017;1,901.00;0.1%

df_2：

May 20, 2017;2,200.00;1000000;0.2%
May 18, 2017;2,100.00;1590000;0.2%
May 16, 2017;2,000.00;1230000;0.2%
May 15, 2017;2,902.00;1000000;0.2%

df_3：

May 21, 2017;3,200.00;2000000;0.3%
May 17, 2017;3,100.00;2590000;0.3%
May 16, 2017;3,000.00;2230000;0.3%
May 15, 2017;3,903.00;2000000;0.3%

予想されるマージ結果：

May 15, 2017;  1,901.00;0.1%;  2,902.00;1000000;0.2%;   3,903.00;2000000;0.3%
pythonpandasdataframemergedata-analysis
33
Vasco Ferreira

以下は、複雑なクエリが関与しない場合に複数のデータフレームをマージする最もクリーンでわかりやすい方法です。

単にDATEをインデックスとしてマージし、OUTERメソッドを使用してマージします（すべてのデータを取得するため）。

import pandas as pd
from functools import reduce

df1 = pd.read_table('file1.csv', sep=',')
df2 = pd.read_table('file2.csv', sep=',')
df3 = pd.read_table('file3.csv', sep=',')

そのため、基本的には、持っているすべてのファイルをデータフレームとしてロードします。次に、mergeまたはreduce関数を使用してファイルをマージします。

# compile the list of dataframes you want to merge
data_frames = [df1, df2, df3]

上記のコードにはいくつでもデータフレームを追加できます。これはこのメソッドの良い部分です。複雑なクエリは含まれません。

同じ日付に属する値を保持するには、DATEにマージする必要があります

df_merged = reduce(lambda  left,right: pd.merge(left,right,on=['DATE'],
                                            how='outer'), data_frames)

# if you want to fill the values that don't exist in the lines of merged dataframe simply fill with required strings as

df_merged = reduce(lambda  left,right: pd.merge(left,right,on=['DATE'],
                                            how='outer'), data_frames).fillna('void')
  • したがって、同じ日付の値は同じ行にあります。
  • Fillna（）を使用して、異なる列の異なるフレームから存在しないデータを入力できます。

必要に応じて、マージされたデータをcsvファイルに書き込みます。

pd.DataFrame.to_csv(df_merged, 'merged.txt', sep=',', na_rep='.', index=False)

これはあなたに与えるはずです

DATE VALUE1 VALUE2 VALUE3 ....

43
everestial007

データには同じ列があるように見えるので、次のことができます。

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

merged_df = pd.concat([df1, df2])
8
dannyeuu

functools.reduceおよびpd.concatは良い解決策ですが、実行時間に関してはpd.concatが最適です。

from functools import reduce
import pandas as pd

dfs = [df1, df2, df3, ...]
nan_value = 0

# solution 1 (fast)
result_1 = pd.concat(dfs, join='outer', axis=1).fillna(nan_value)

# solution 2
result_2 = reduce(lambda left,right: pd.merge(df_left, df_right, 
                                              left_index=True, right_index=True, 
                                              how='outer'), 
                  dfs).fillna(nan_value)
5
Ismail El Hachimi

これには2つの解決策がありますが、すべての列を個別に返します。

import functools

dfs = [df1, df2, df3]

df_final = functools.reduce(lambda left,right: pd.merge(left,right,on='date'), dfs)
print (df_final)
          date     a_x   b_x       a_y      b_y   c_x         a        b   c_y
0  May 15,2017  900.00  0.2%  1,900.00  1000000  0.2%  2,900.00  2000000  0.2%

k = np.arange(len(dfs)).astype(str)
df = pd.concat([x.set_index('date') for x in dfs], axis=1, join='inner', keys=k)
df.columns = df.columns.map('_'.join)
print (df)
                0_a   0_b       1_a      1_b   1_c       2_a      2_b   2_c
date                                                                       
May 15,2017  900.00  0.2%  1,900.00  1000000  0.2%  2,900.00  2000000  0.2%
3
jezrael

@dannyeuuの答えは正しいです。 axisオプションを1に設定すると、pd.concatは自然にインデックス列で結合します。デフォルトは外部結合ですが、内部結合も指定できます。以下に例を示します。

x = pd.DataFrame({'a': [2,4,3,4,5,2,3,4,2,5], 'b':[2,3,4,1,6,6,5,2,4,2], 'val': [1,4,4,3,6,4,3,6,5,7], 'val2': [2,4,1,6,4,2,8,6,3,9]})
x.set_index(['a','b'], inplace=True)
x.sort_index(inplace=True)

y = x.__deepcopy__()
y.loc[(14,14),:] = [3,1]
y['other']=range(0,11)

y.sort_values('val', inplace=True)

z = x.__deepcopy__()
z.loc[(15,15),:] = [3,4]
z['another']=range(0,22,2)
z.sort_values('val2',inplace=True)


pd.concat([x,y,z],axis=1)
3
Allen Wang

共通の日付でフィルタリングする場合、これが返されます：

dfs = [df1, df2, df3]
checker = dfs[-1]
check = set(checker.loc[:, 0])

for df in dfs[:-1]:
    check = check.intersection(set(df.loc[:, 0]))

print(checker[checker.loc[:, 0].isin(check)])
1
zipa

あなたの助けをありがとう@ jezrael、@ zipaおよび@ everestial007、両方の答えが必要です。再帰を作成したい場合、これは意図したとおりに機能します：

def mergefiles(dfs=[], on=''):
    """Merge a list of files based on one column"""
    if len(dfs) == 1:
         return "List only have one element."

    Elif len(dfs) == 2:
        df1 = dfs[0]
        df2 = dfs[1]
        df = df1.merge(df2, on=on)
        return df

    # Merge the first and second datafranes into new dataframe
    df1 = dfs[0]
    df2 = dfs[1]
    df = dfs[0].merge(dfs[1], on=on)

    # Create new list with merged dataframe
    dfl = []
    dfl.append(df)

    # Join lists
    dfl = dfl + dfs[2:] 
    dfm = mergefiles(dfl, on)
    return dfm
0
Vasco Ferreira