Python - 如何沿列连接两个或多个 Pandas DataFrame?

要连接两个以上的 Pandas DataFrame,请使用concat()方法。将参数设置为轴 = 1以沿列连接。首先,导入所需的库 -

import pandas as pd

让我们创造1数据框-

dataFrame1 = pd.DataFrame(
   {
      "Col1": [10, 20, 30],"Col2": [40, 50, 60],"Col3": [70, 80, 90],
   },
   index=[0, 1, 2],
)

让我们创建第二个DataFrame -

dataFrame2 = pd.DataFrame(
   {
      "Col1": [100, 110, 120],"Col2": [130, 140, 150],"Col3": [160, 170, 180],
   },
   index=[3, 4, 5],
)

让我们创建第三个DataFrame -

dataFrame3 = pd.DataFrame(
   {
      "Col1": [200, 210, 220],"Col2": [230, 240, 250],"Col3": [260, 270, 280],
   },
   index=[6, 7, 8],
)

使用concat()并设置“axis=1”连接所有 3 个 DataFrames以沿列连接 -

res = [dataFrame1, dataFrame2, dataFrame3]
pd.concat(res, axis=1))

示例

以下是代码 -

import pandas as pd

# 创建 DataFrame1
dataFrame1 = pd.DataFrame(
   {
      "Col1": [10, 20, 30],"Col2": [40, 50, 60],"Col3": [70, 80, 90],
   },
   index=[0, 1, 2],
)

# 数据帧1
print"DataFrame1...\n",dataFrame1

# 创建 DataFrame2
dataFrame2 = pd.DataFrame(
   {
      "Col1": [100, 110, 120],"Col2": [130, 140, 150],"Col3": [160, 170, 180],
   },
   index=[3, 4, 5],
)

# 数据帧2
print"DataFrame2...\n",dataFrame2

dataFrame3 = pd.DataFrame(
   {
      "Col1": [200, 210, 220],"Col2": [230, 240, 250],"Col3": [260, 270, 280],
   },
   index=[6, 7, 8],
)

# 数据帧3
print"DataFrame3...\n",dataFrame3

# 连接超过 3 个数据帧
# set "axis=1" for concatenation along columns
res = [dataFrame1, dataFrame2, dataFrame3]
print"\n Concatenating all the 3 DataFrames (along columns)...\n", pd.concat(res, axis=1)
输出结果

这将产生以下输出 -

DataFrame1...
    Col1   Col2   Col3
0    10     40     70
1    20     50     80
2    30     60     90
DataFrame2...
    Col1   Col2   Col3
3   100    130    160
4   110    140    170
5   120    150    180
DataFrame3...
    Col1   Col2   Col3
6   200    230    260
7   210    240    270
8   220    250    280

Concatenating all the 3 DataFrames (along columns)...
   Col1   Col2   Col3   Col1   Col2   Col3   Col1   Col2   Col3
0  10.0   40.0   70.0   NaN    NaN    NaN    NaN    NaN    NaN
1  20.0   50.0   80.0   NaN    NaN    NaN    NaN    NaN    NaN
2  30.0   60.0   90.0   NaN    NaN    NaN    NaN    NaN    NaN
3  NaN    NaN    NaN    100.0  130.0  160.0  NaN    NaN    NaN
4  NaN    NaN    NaN    110.0  140.0  170.0  NaN    NaN    NaN
5  NaN    NaN    NaN    120.0  150.0  180.0  NaN    NaN    NaN
6  NaN    NaN    NaN    NaN    NaN    NaN    200.0  230.0  260.0
7  NaN    NaN    NaN    NaN    NaN    NaN    210.0  240.0  270.0
8  NaN    NaN    NaN    NaN    NaN    NaN    220.0  250.0  280.0