按索引合并两个数据框

嗨，我有以下数据框：

> df1
  id begin conditional confidence discoveryTechnique  
0 278    56       false        0.0                  1   
1 421    18       false        0.0                  1 

> df2
   concept 
0  A  
1  B

如何合并索引以获取：

  id begin conditional confidence discoveryTechnique   concept 
0 278    56       false        0.0                  1  A 
1 421    18       false        0.0                  1  B

我问，因为据我了解，merge()即df1.merge(df2)使用列进行匹配。实际上，这样做我得到：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/lib/python2.7/dist-packages/pandas/core/frame.py", line 4618, in merge
    copy=copy, indicator=indicator)
  File "/usr/local/lib/python2.7/dist-packages/pandas/tools/merge.py", line 58, in merge
    copy=copy, indicator=indicator)
  File "/usr/local/lib/python2.7/dist-packages/pandas/tools/merge.py", line 491, in __init__
    self._validate_specification()
  File "/usr/local/lib/python2.7/dist-packages/pandas/tools/merge.py", line 812, in _validate_specification
    raise MergeError('No common columns to perform merge on')
pandas.tools.merge.MergeError: No common columns to perform merge on

在索引上合并是不好的做法吗？不可能吗 如果是这样，如何将索引移到称为“索引”的新列中？

谢谢

使用merge，默认情况下是内部联接：

pd.merge(df1, df2, left_index=True, right_index=True)

或join，默认情况下为左连接：

df1.join(df2)

或concat，默认情况下为外部联接：

pd.concat([df1, df2], axis=1)

样品：

df1 = pd.DataFrame({'a':range(6),
                    'b':[5,3,6,9,2,4]}, index=list('abcdef'))

print (df1)
   a  b
a  0  5
b  1  3
c  2  6
d  3  9
e  4  2
f  5  4

df2 = pd.DataFrame({'c':range(4),
                    'd':[10,20,30, 40]}, index=list('abhi'))

print (df2)
   c   d
a  0  10
b  1  20
h  2  30
i  3  40

#default inner join
df3 = pd.merge(df1, df2, left_index=True, right_index=True)
print (df3)
   a  b  c   d
a  0  5  0  10
b  1  3  1  20

#default left join
df4 = df1.join(df2)
print (df4)
   a  b    c     d
a  0  5  0.0  10.0
b  1  3  1.0  20.0
c  2  6  NaN   NaN
d  3  9  NaN   NaN
e  4  2  NaN   NaN
f  5  4  NaN   NaN

#default outer join
df5 = pd.concat([df1, df2], axis=1)
print (df5)
     a    b    c     d
a  0.0  5.0  0.0  10.0
b  1.0  3.0  1.0  20.0
c  2.0  6.0  NaN   NaN
d  3.0  9.0  NaN   NaN
e  4.0  2.0  NaN   NaN
f  5.0  4.0  NaN   NaN
h  NaN  NaN  2.0  30.0
i  NaN  NaN  3.0  40.0

您可以使用concat（[df1，df2，...]，axis = 1）来连接两个或更多个按索引对齐的DF：

pd.concat([df1, df2, df3, ...], axis=1)

或合并以通过自定义字段/索引进行串联：

# join by _common_ columns: `col1`, `col3`
pd.merge(df1, df2, on=['col1','col3'])

# join by: `df1.col1 == df2.index`
pd.merge(df1, df2, left_on='col1' right_index=True)

或参加由指数加盟：

 df1.join(df2)

默认情况下：
join是按列的左联接
pd.merge是按列的内部联接
pd.concat是按行的外部联接

pd.concat：
采用Iterable参数。因此，它不能直接使用DataFrames（使用[df,df2]）
DataFrame的尺寸应沿轴匹配

Join和pd.merge：
可以接受DataFrame参数

一个愚蠢的错误吸引了我：由于索引dtypes不同，联接失败。这不是很明显，因为两个表都是同一原始表的数据透视表。之后reset_index，索引在Jupyter中看起来相同。保存到Excel时才发现...

固定于： df1[['key']] = df1[['key']].apply(pd.to_numeric)

希望这可以节省一个小时！

如果要在熊猫中加入两个数据框，则可以简单地使用可用的属性，例如merge或concatenate。例如，如果我有两个数据框df1，df2可以通过以下方式将它们加入：

newdataframe=merge(df1,df2,left_index=True,right_index=True)