如何在Pandas中合并不同长度的DataFrames

在Pandas中合并不同长度的DataFrames有多种方式，这里我们将讲解三种常用方式：concat()函数、merge()函数和join()函数。

concat()函数

concat()函数用于沿着某一个轴将多个DataFrame合并为一个。若要按行合并，则使用axis=0；按列合并则使用axis=1。

# 生成3个DataFrame示例
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3']},
                   index=[0, 1, 2, 3])
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7']},
                   index=[4, 5, 6, 7])
df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
                    'B': ['B8', 'B9', 'B10', 'B11'],
                    'C': ['C8', 'C9', 'C10', 'C11']},
                   index=[8, 9, 10, 11])
# 按行合并DataFrame
result1 = pd.concat([df1, df2, df3], axis=0)
# 按列合并DataFrame
result2 = pd.concat([df1, df2, df3], axis=1)

结果：

result1:
     A    B    C
0   A0   B0   C0
1   A1   B1   C1
2   A2   B2   C2
3   A3   B3   C3
4   A4   B4   C4
5   A5   B5   C5
6   A6   B6   C6
7   A7   B7   C7
8   A8   B8   C8
9   A9   B9   C9
10 A10  B10  C10
11 A11  B11  C11

result2:
     A    B    C   A   B   C   A    B    C
0   A0   B0   C0  NaN NaN NaN  NaN  NaN  NaN
1   A1   B1   C1  NaN NaN NaN  NaN  NaN  NaN
2   A2   B2   C2  NaN NaN NaN  NaN  NaN  NaN
3   A3   B3   C3  NaN NaN NaN  NaN  NaN  NaN
4  NaN  NaN  NaN  A4   B4  C4  NaN  NaN  NaN
5  NaN  NaN  NaN  A5   B5  C5  NaN  NaN  NaN
6  NaN  NaN  NaN  A6   B6  C6  NaN  NaN  NaN
7  NaN  NaN  NaN  A7   B7  C7  NaN  NaN  NaN
8  NaN  NaN  NaN  NaN  NaN NaN  A8   B8   C8
9  NaN  NaN  NaN  NaN  NaN NaN  A9   B9   C9
10 NaN  NaN  NaN  NaN  NaN NaN  A10  B10  C10
11 NaN  NaN  NaN  NaN  NaN NaN  A11  B11  C11

上面结果中，result1是按行合并的DataFrame，result2按列合并的DataFrame。在按列合并时，需要特别注意DataFrame中的索引值，这可能会影响查询结果。这是因为，利用concat()函数按列合并DataFrame时，会将各个DataFrame中行索引相同的部分合并到一起，而将行索引不同的部分保留下来。因此，如果DataFrame中含有相同的行索引，最好先处理掉。

merge()函数

merge()函数用于按照一些规则将两个DataFrame中的行合并到一起。

# 生成示例DataFrame
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'],
                    'C': ['C0', 'C1', 'C2'],
                    'D': ['D0', 'D1', 'D2']})
# 按照key列合并DataFrame
result = pd.merge(df1, df2, on='key')

结果：

result:
  key   A   B   C   D
0  K0  A0  B0  C0  D0
1  K1  A1  B1  C1  D1
2  K2  A2  B2  C2  D2

上面结果中，DataFrame df1和df2中的行按照key列的值进行合并。merge()函数还支持更复杂的合并方式，比如当需要合并的列不具有相同的名字时，merge()函数可以使用left_on 和right_on参数。

join()函数

join()函数实际上是对merge()函数的一种简化方式，用于根据某个DataFrame的索引来拼接两个DataFrame。它只能按照行合并DataFrame，而且只能按索引合并。join()函数中使用的参数也和merge()函数略有不同。

# 生成示例DataFrame
left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                     'B': ['B0', 'B1', 'B2']},
                    index=['K0', 'K1', 'K2'])
right = pd.DataFrame({'C': ['C0', 'C1', 'C2'],
                      'D': ['D0', 'D1', 'D2']},
                     index=['K0', 'K2', 'K3'])
# 按索引合并DataFrame
result = left.join(right)

结果：

result:
     A   B   C    D
K0  A0  B0  C0   D0
K1  A1  B1  NaN NaN
K2  A2  B2  C1   D1
K3 NaN NaN C2   D2

上面的结果中，只保留了在两个DataFrame中都存在的索引值（K0和K2），而K1和K3则只在相应的DataFrame中出现。在合并DataFrame时，也需要留意索引值是否有重复，这可能会影响合并结果。

总之，Pandas提供了多种合并DataFrame的方式，具体使用哪种方式还要根据数据的具体情况来决定。