pandas合并多个DataFrame

合并两个DataFrame

合并两个DataFrame用pd.merge

import pandas as pd
import numpy as np


df1 = pd.DataFrame(np.array([
    ['a', 1, 2],
    ['b', 3, 4],
    ['c', 5, 6]]),
    columns=['name', 'num11', 'num12'])
df2 = pd.DataFrame(np.array([
    ['a', 7, 8],
    ['b', 9, 10],
    ['c', 11, 12]]),
    columns=['name', 'num21', 'num22'])

df_result = pd.merge(df1, df2, on='name')
print(df_result)

合并多个DataFrame

import pandas as pd
import numpy as np
from functools import reduce


df1 = pd.DataFrame(np.array([
    ['a', 1, 2],
    ['b', 3, 4],
    ['c', 5, 6]]),
    columns=['name', 'num11', 'num12'])
df2 = pd.DataFrame(np.array([
    ['a', 7, 8],
    ['b', 9, 10],
    ['c', 11, 12]]),
    columns=['name', 'num21', 'num22'])
df3 = pd.DataFrame(np.array([
    ['a', 13, 14],
    ['b', 15, 16],
    ['c', 17, 18]]),
    columns=['name', 'num31', 'num32'])

dfs = [df1, df2, df3]
df_result = reduce(lambda left, right: pd.merge(left, right, on='name'), dfs)
print(df_result)

PS:

1. 合并时，pd.merge函数里的参数how、on必须是一致的
2. reduce函数解释
   
   意思是对一个可迭代的序列(iterable)，连续使用function。x是function累计值（也就是计算后的结果），y是来自iterable的更新值，如果存在可选初始值设定项，则该初始值设定项将放置在计算中iterable的项之前，并在iterable为空时用作默认值。如果未给出初始值设定项，并且iterable只包含一项，则返回第一项。
   概括来说，以我们上面的例子，对dfs中的元素连续使用pd.merge函数