pandas 中 DataFrame相关的合并函数总结1_df = pd.dataframe行合并-优快云博客

本文链接：https://blog.youkuaiyun.com/qq_35528591/article/details/128972401

本文总结了Pandas中DataFrame的合并操作，包括使用append函数添加行，如DataFrame、Series和字典的合并，特别强调了Series的index匹配和ignore_index的使用。同时，介绍了combine函数按列合并的功能，如何根据指定函数融合相同列，并展示了字段维度合并的选择策略，以及fill_value参数对空值处理的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

pandas 中 DataFrame相关的合并函数总结

append：添加行
函数功能：将DataFrame/Series/字典形式的数据，或者其列表添加到调用对象中，返回一个新的DataFrame
例：
（1）添加DataFrame：

df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'), index=['x', 'y'])
df
	A	B
x	1	2
y	3	4
df2 = pd.DataFrame([[5, 6], [7, 8]], columns=list('AB'), index=['x', 'y'])
df.append(df2)
   A  B
x  1  2
y  3  4
x  5  6
y  7  8

（2）添加Series

df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'), index=['x', 'y'])
s1 = pd.Series([9,10],name='z',index =list('AB') )
df.append(s1)
	A	B
x	1	2
y	3	4
z	9	10
#Series的index和调用的DataFrame不一致
s1 = pd.Series([9,10],name='z',index =list('CD') )
df.append(s1)
A	B	C	D
x	1.0	2.0	NaN	NaN
y	3.0	4.0	NaN	NaN
z	NaN	NaN	9.0	10.0
#Series没有设置name属性
s1 = pd.Series([9,10],index =list('AB') )
df.append(s1,ignore_index=True)
A	B
0	1	2
1	3	4
2	9	10

注意：Series 的index需要和DataFrame的列一致，否则得到更多的列；
另外，如果添加的Series没有设置name属性，则需要将append函数中的ignore_index设置为True
(3) 添加字典

df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'), index=['x', 'y'])
m = {'A':11,'B':12}
df.append(m,ignore_index=True)
A	B
0	1	2
1	3	4
2	11	12

注意：当添加对象是字典时，ignore_index属性必须设置为True

combine：按列合并
combine 必填参数有两个，other:联合的另一个DataFrame，func：将两个DataFrame 中的相同列作为输入、合并，最后输出一列。

(1)列维度合并

#选取总和最小的列
df1 = pd.DataFrame({'A': [0, 1], 'B': [4, 5]})
df2 = pd.DataFrame({'A': [1, 1], 'B': [3, 3]})
take_smaller = lambda s1, s2: s1 if s1.sum() < s2.sum() else s2
df1.combine(df2, take_smaller)
	A	B
0	0	3
1	1	3

解释：df1 A列的总和为1，df2 A列的总和为2，因为取总和最小的列，所以结果A 列返回的是df1的A列。同理，df1 B列的总和为9，df2 B列的总和为6，所以结果B列返回的是df2的B列

（2）字段维度选择

df1 = pd.DataFrame({'A': [5, 0], 'B': [2, 4]})
df2 = pd.DataFrame({'A': [1, 1], 'B': [3, 3]})
df1.combine(df2, np.minimum)
	A	B
0	1	2
1	0	3

解释：返回的结果是将两个DataFrame中，每一个元素进行比较，选出最小值。
例如，结果中 0行A列是比较 df1中0行A列的值5和 df2中0行A列的值1，选出最小值1返回。

参数：fill_value 可以对列中的空值进行赋值

df1 = pd.DataFrame({'A': [0, 0], 'B': [None, 4]})
df2 = pd.DataFrame({'A': [1, 1], 'B': [1, 3]})
df1.combine(df2, take_smaller, fill_value=-5)
	A	B
0	0	-5.0
1	0	4.0

如果fill_value 没有传参，这默认None值默认不做处理

df1 = pd.DataFrame({'A': [0, 0,0],'B': [None, 4,None]})
df2 = pd.DataFrame({'A': [1, 1,1], 'B': [0, 3,None]})
df1.combine(df2, take_smaller)
	A	B
0	0	0.0
1	0	3.0
2	0	NaN