Python Pandas – 形成两个索引对象的并集，但不对结果进行排序

在Pandas中，索引对象是一个非常重要的概念。Pandas提供了许多方法来操作和合并索引。本文将介绍如何形成两个索引对象的并集，但不对结果进行排序。

更多Pandas相关文章，请阅读：Pandas 教程

设置示例数据

我们首先需要创建一个示例数据。我们将创建两个DataFrame，每个DataFrame都有一个不同的索引对象。

import pandas as pd

data1 = {'A': [0, 1, 2], 'B': [3, 4, 5]}
index1 = pd.Index([1, 2, 3])

df1 = pd.DataFrame(data1, index=index1)

data2 = {'A': [6, 7, 8], 'B': [9, 10, 11]}
index2 = pd.Index([2, 3, 4])

df2 = pd.DataFrame(data2, index=index2)

现在我们有两个DataFrame，每个DataFrame都有一个不同的索引对象。第一个DataFrame的索引为[1, 2, 3]，第二个DataFrame的索引为[2, 3, 4]。

形成索引对象的并集

我们可以使用union方法来形成两个索引对象的并集。该方法返回一个新的索引对象，该对象包含两个索引对象的所有唯一值，但不排序。

new_index = df1.index.union(df2.index)
print(new_index)

输出结果为：

Int64Index([1, 2, 3, 4], dtype='int64')

我们可以看到，新的索引对象包含[1, 2, 3, 4]这四个唯一值，它们是两个索引对象的并集。

使用新的索引对象重建DataFrame

我们可以使用新的索引对象来重建DataFrame。我们将使用reindex方法来将数据重建到新的索引对象上。

df1 = df1.reindex(new_index)
df2 = df2.reindex(new_index)

print(df1)
print(df2)

输出结果为：

     A    B
1  0.0  3.0
2  1.0  4.0
3  2.0  5.0
4  NaN  NaN

     A     B
1  NaN   NaN
2  6.0   9.0
3  7.0  10.0
4  8.0  11.0

我们可以看到，reindex方法已经将两个DataFrame都重建到了新的索引对象上。在这个例子中，由于只有第一个DataFrame有索引为1的值，所以第二个DataFrame的此索引位置被填充了NaN值。同样，在索引为4的位置，只有第二个DataFrame有值，因此第一个DataFrame的此索引位置也被填充了NaN值。