极客笔记Python – 如何连接三个或更多个Pandas DataFrame？
在数据分析和处理中，我们通常会有多个数据源，并需要将它们合并为一个数据集以进行分析或建模。在Python中，Pandas是一个强大的数据处理库，提供了多种方法来连接或合并DataFrame。在本文中，我们将探讨如何连接三个或更多个Pandas DataFrame。
Concatenation
连接多个DataFrame的最简单方法是使用concat函数进行连接。该函数可以沿着指定的轴(axis)在多个DataFrame之间连接数据。以下是使用concat()函数连接三个DataFrame的示例代码：
import pandas as pd
import numpy as np
# create 3 sample DataFrames
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
'B': ['B4', 'B5', 'B6', 'B7'],
'C': ['C4', 'C5', 'C6', 'C7'],
'D': ['D4', 'D5', 'D6', 'D7']})
df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
'B': ['B8', 'B9', 'B10', 'B11'],
'C': ['C8', 'C9', 'C10', 'C11'],
'D': ['D8', 'D9', 'D10', 'D11']})
# concatenate DataFrames vertically (along rows)
concatenated_df = pd.concat([df1, df2, df3], axis=0)
print(concatenated_df)
输出：
A B C D
0 A0 B0 C0 D0
1 A1 B1 C1 D1
2 A2 B2 C2 D2
3 A3 B3 C3 D3
0 A4 B4 C4 D4
1 A5 B5 C5 D5
2 A6 B6 C6 D6
3 A7 B7 C7 D7
0 A8 B8 C8 D8
1 A9 B9 C9 D9
2 A10 B10 C10 D10
3 A11 B11 C11 D11
生成了一个新的DataFrame，包括三个原始数据框。可以看到，新的DataFrame中的行数是三个数据框的行数之和，因为我们使用axis=0参数指定了连接轴为行。
如果您想按列连接数据框，可以设置axis=1，其中新的DataFrame的列数是原始数据框列数的总和。
Merging
另一个连接多个DataFrame的常见方法是使用merge函数。基本上，将两个DataFrame合并时，您需要指定一个键（或多个键），以便Pandas可以确定两个DataFrame之间的连接方式。以下是使用merge()函数连接三个DataFrame的示例代码：
import pandas as pd
import numpy as np
# create 3 sample DataFrames
df1 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
df2 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
df3 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'E': ['E0', 'E1', 'E2', 'E3'],
'F': ['F0', 'F1', 'F2', 'F3']})
# merge DataFrames on the 'key' column
merged_df = pd.merge(df1, df2, on='key')
merged_df = pd.merge(merged_df, df3, on='key')
print(merged_df)
输出：
key A B C D E F
0 K0 A0 B0 C0 D0 E0 F0
1 K1 A1 B1 C1 D1 E1 F1
2 K2 A2 B2 C2 D2 E2 F2
3 K3 A3 B3 C3 D3 E3 F3
我们使用merge()函数将三个数据框连接为一个数据框。这是一个基于“键”的连接，其中'key'列在每个数据框中都存在。因此，我们将在所有三个表中匹配'key'列，然后将其合并到一个输出表中。
Joining
类似于merge()函数，join()函数也可以连接多个DataFrame。但是，当您想要根据索引连接DataFrame时，join()函数是更方便的方法。以下是使用join()函数连接三个DataFrame的示例代码：
import pandas as pd
import numpy as np
# create 3 sample DataFrames
df1 = pd.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 = pd.DataFrame({'E': ['E0', 'E1', 'E2', 'E3'],
'F': ['F0', 'F1', 'F2', 'F3'],
'G': ['G0', 'G1', 'G2', 'G3'],
'H': ['H0', 'H1', 'H2', 'H3']},
index=[0, 1, 2, 3])
df3 = pd.DataFrame({'I': ['I0', 'I1', 'I2', 'I3'],
'J': ['J0', 'J1', 'J2', 'J3'],
'K': ['K0', 'K1', 'K2', 'K3'],
'L': ['L0', 'L1', 'L2', 'L3']},
index=[0, 1, 2, 3])
# join DataFrames based on their index
joined_df = df1.join([df2, df3])
print(joined_df)
输出：
A B C D E F G H I J K L
0 A0 B0 C0 D0 E0 F0 G0 H0 I0 J0 K0 L0
1 A1 B1 C1 D1 E1 F1 G1 H1 I1 J1 K1 L1
2 A2 B2 C2 D2 E2 F2 G2 H2 I2 J2 K2 L2
3 A3 B3 C3 D3 E3 F3 G3 H3 I3 J3 K3 L3
使用join()函数，我们将三个数据框连接成一个数据框。这里，我们使用了索引作为连接依据，因此，所有数据框的索引必须相同。我们可以通过指定join()函数的参数来控制连接方式，如how、on、left_index、right_index等。
总结
当您需要连接或合并多个DataFrame时，可以使用concat()、merge()或join()函数。concat()函数用于沿着轴方向连接数据，即将多个数据框拼接成一个大的数据框；merge()函数用于将多个数据框根据某些键连接成一个数据框，即连接两个不同的数据框，并按照一些指定的列进行连接；join()函数用于连接多个数据框，但它专注于基于索引的连接，即对于没有任何共同列的数据框进行连接操作。
这里简要介绍了三种连接DataFrame的方法，但实际上还有更多方法可以进行数据框的合并。根据您的需求和实际应用场景，选择合适的方法来按照您的需要连接三个或更多Pandas DataFrame。