Pandas实现按照时间维度合并多张表
更新时间：2025年09月02日 08:48:10 作者：羊肉串儿加点辣
文章对比了Pandas中pd.merge()与pd.concat()的拼接方法,指出merge()通过索引合并更灵活,而concat()为硬性拼接,随后使用sort_index()解决索引排序问题,最终实现两表按时间值正确合并
1.数据样式和目标
1.1 数据样式
- A表：
| time | value |
| 1996-1-1 | 111 |
| 1996-1-2 | 222 |
| 1996-1-6 | 333 |
| 1996-1-10 | 444 |
- B表：
| time | value |
| 1996-1-2 | 555 |
| 1996-1-5 | 666 |
| 1996-1-11 | 777 |
| 1996-1-12 | 888 |
1.2 拼接目标样式
| time | value_A | value_B |
| 1996-1-1 | 111 | null |
| 1996-1-2 | 222 | 555 |
| 1996-1-5 | null | 666 |
| 1996-1-6 | 333 | null |
| 1996-1-10 | 444 | null |
| 1996-1-11 | null | 777 |
| 1996-1-12 | null | 888 |
2. 拼接方法
我尝试了pd.merge()和pd.concat()这两种方法，发现pd.merge()才是我想要的拼接形式，按索引拼接；
而pd.concat()属于硬性拼接，只会把双方的第一行第二行拼接一起。
2.1 pd.merge()
df = pd.merge(left=left_df, right=right_df, how='outer', on='time')
- 拼接结果为：
| time | value_A | value_B |
| 1996-1-1 | 111 | null |
| 1996-1-2 | 222 | null |
| 1996-1-6 | 333 | null |
| 1996-1-10 | 444 | null |
| 1996-1-2 | null | 555 |
| 1996-1-5 | null | 666 |
| 1996-1-11 | null | 777 |
| 1996-1-12 | null | 888 |
2.2 df.sort_index()
为了将上述数据处理成我们想要的格式，我尝试了df.groupby()，发现只能是DataframeGroupBy对象，而非我们想要的Dataframe，转换非常麻烦；
后来发现了df.sort_index()方法，按照索引排序，解决！
df = df.sort_index()
- 代码结果为：
| time | value_A | value_B |
| 1996-1-1 | 111 | null |
| 1996-1-2 | 222 | 555 |
| 1996-1-5 | null | 666 |
| 1996-1-6 | 333 | null |
| 1996-1-10 | 444 | null |
| 1996-1-11 | null | 777 |
| 1996-1-12 | null | 888 |
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
python实现Pyecharts实现动态地图（Map、Geo）
这篇文章主要为大家详细介绍了python实现Pyecharts实现动态地图，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2020-03-03
这篇文章主要介绍了python单例模式的多种实现方法,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-07-07
Watchdog是一个优秀的Python库,用于监控文件系统事件,本文将介绍Watchdog的基本用法,并通过一个实际案例展示如何用它来监控下载目录并自动转换ICO文件为PNG格式2025-07-07
Python操作Spark的常用命令指南,涵盖从环境配置到数据分析的核心操作,本文介绍了如何使用PySpark进行环境配置和核心操作,包括数据读写、处理与转换、聚合与高级分析,以及运行SQL查询和性能优化,感兴趣的朋友跟随小编一起看看吧2026-02-02
今天小编就为大家分享一篇Python从单元素字典中获取key和value的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-12-12
这篇文章主要介绍了python数据结构树和二叉树简介,需要的朋友可以参考下2014-04-04
在python中，总的来说有三种大的模式打开文件,分别是:a, w, r，这篇文章主要介绍了python中各种文件打开模式,需要的朋友可以参考下2020-01-01
在数据驱动的时代,结构化数据是分析决策的基础,本文将以真实场景为线索,通过代码示例和操作逻辑解析,带你掌握Pandas处理结构化数据的核心方法2025-09-09
这篇文章主要介绍了DRF使用simple JWT身份验证，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-01-01
这篇文章主要介绍了用于ETL的Python数据转换工具,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-07-07
最新评论