python - manejo - pandas concat

Crear un DataFrame de pandas a partir de columnas de otros DataFrames con índices similares

Question

Tengo 2 DataFrames df1 y df2 con los mismos nombres de columna [''a'', ''b'', ''c''] e indexados por fechas. El índice de fecha puede tener valores similares. Me gustaría crear un DataFrame df3 con solo los datos de las columnas [''c''] renombradas respectivamente ''df1'' y ''df2'' y con el índice de fecha correcto. Mi problema es que no puedo obtener la forma de fusionar el índice correctamente.

df1 = pd.DataFrame(np.random.randn(5,3), index=pd.date_range(''01/02/2014'',periods=5,freq=''D''), columns=[''a'',''b'',''c''] )
df2 = pd.DataFrame(np.random.randn(8,3), index=pd.date_range(''01/01/2014'',periods=8,freq=''D''), columns=[''a'',''b'',''c''] )
df1
                 a        b            c
2014-01-02   0.580550    0.480814    1.135899
2014-01-03  -1.961033    0.546013    1.093204
2014-01-04   2.063441   -0.627297    2.035373
2014-01-05   0.319570    0.058588    0.350060
2014-01-06   1.318068   -0.802209   -0.939962

df2
                 a        b            c
2014-01-01   0.772482    0.899337    0.808630
2014-01-02   0.518431   -1.582113    0.323425
2014-01-03   0.112109    1.056705   -1.355067
2014-01-04   0.767257   -2.311014    0.340701
2014-01-05   0.794281   -1.954858    0.200922
2014-01-06   0.156088    0.718658   -1.030077
2014-01-07   1.621059    0.106656   -0.472080
2014-01-08  -2.061138   -2.023157    0.257151

El DataFrame df3 debe tener la siguiente forma:

df3
                 df1        df2
2014-01-01   NaN        0.808630
2014-01-02   1.135899   0.323425
2014-01-03   1.093204   -1.355067
2014-01-04   2.035373   0.340701
2014-01-05   0.350060   0.200922
2014-01-06   -0.939962  -1.030077
2014-01-07   NaN        -0.472080
2014-01-08   NaN        0.257151

Pero con NaN en la columna df1 como el índice de fecha de df2 es más amplio. (En este ejemplo, obtendría NaN para las siguientes fechas: 2014-01-01, 2014-01-07 y 2014-01-08)

Gracias por tu ayuda.

Answer 1

Bueno, no estoy seguro de que la fusión sea el camino a seguir. Personalmente, crearía un nuevo marco de datos creando un índice de las fechas y luego construyendo las columnas usando listas de comprensión. Posiblemente no es la forma más pitonica, pero parece funcionar para mi!

import pandas as pd
import numpy as np

df1 = pd.DataFrame(np.random.randn(5,3), index=pd.date_range(''01/02/2014'',periods=5,freq=''D''), columns=[''a'',''b'',''c''] )
df2 = pd.DataFrame(np.random.randn(8,3), index=pd.date_range(''01/01/2014'',periods=8,freq=''D''), columns=[''a'',''b'',''c''] )

# Create an index list from the set of dates in both data frames
Index = list(set(list(df1.index) + list(df2.index)))
Index.sort()

df3 = pd.DataFrame({''df1'': [df1.loc[Date, ''c''] if Date in df1.index else np.nan for Date in Index],/
                ''df2'': [df2.loc[Date, ''c''] if Date in df2.index else np.nan for Date in Index],},/
                index = Index)

df3

Answer 2

Puedes usar concat :

In [11]: pd.concat([df1[''c''], df2[''c'']], axis=1, keys=[''df1'', ''df2''])
Out[11]: 
                 df1       df2
2014-01-01       NaN -0.978535
2014-01-02 -0.106510 -0.519239
2014-01-03 -0.846100 -0.313153
2014-01-04 -0.014253 -1.040702
2014-01-05  0.315156 -0.329967
2014-01-06 -0.510577 -0.940901
2014-01-07       NaN -0.024608
2014-01-08       NaN -1.791899

[8 rows x 2 columns]

El argumento del eje determina la forma en que se apilan los DataFrames:

df1 = pd.DataFrame([1, 2, 3])
df2 = pd.DataFrame([''a'', ''b'', ''c''])

pd.concat([df1, df2], axis=0)
   0
0  1
1  2
2  3
0  a
1  b
2  c

pd.concat([df1, df2], axis=1)

   0  0
0  1  a
1  2  b
2  3  c