juntar - unir dos dataframes en python

Pandas unir/fusionar/concat dos marcos de datos

Question

Estoy teniendo problemas con las uniones en pandas y estoy tratando de averiguar qué es lo que está mal. Digamos que tengo un dataframe x:

<class ''pandas.core.frame.DataFrame''>
DatetimeIndex: 1941 entries, 2004-10-19 00:00:00 to 2012-07-23 00:00:00
Data columns:
close    1941  non-null values
high     1941  non-null values
low      1941  non-null values
open     1941  non-null values
dtypes: float64(4)

Debería poder unirlo con y en el índice con un comando de combinación simple donde y = x, excepto que los colnames tienen +2.

 <class ''pandas.core.frame.DataFrame''>
 DatetimeIndex: 1941 entries, 2004-10-19 00:00:00 to 2012-07-23 00:00:00
 Data columns:
 close2    1941  non-null values
 high2     1941  non-null values
 low2      1941  non-null values
 open2     1941  non-null values
 dtypes: float64(4)

 y.join(x) or pandas.DataFrame.join(y,x):
 <class ''pandas.core.frame.DataFrame''>
 DatetimeIndex: 34879 entries, 2004-12-16 00:00:00 to 2012-07-12 00:00:00
 Data columns:
 close2    34879  non-null values
 high2     34879  non-null values
 low2      34879  non-null values
 open2     34879  non-null values
 close     34879  non-null values
 high      34879  non-null values
 low       34879  non-null values
 open      34879  non-null values
 dtypes: float64(8)

Espero que la final tenga 1941 no-valores para ambos. Intenté fusionar también pero tengo el mismo problema.

Pensé que la respuesta correcta era pandas.concat ([x, y]), pero esto tampoco hace lo que pretendo.

In [83]: pandas.concat([x,y]) 
Out[83]: <class ''pandas.core.frame.DataFrame''> 
DatetimeIndex: 3882 entries, 2004-10-19 00:00:00 to 2012-07-23 00:00:00 
Data columns: 
close2 3882 non-null values 
high2 3882 non-null values 
low2 3882 non-null values 
open2 3882 non-null values 
dtypes: float64(4) 

Editar: Si tiene problemas con unirse, lea la respuesta de Wes a continuación. Tuve un sello de tiempo que fue duplicado.

Answer 1

¿Su índice tiene duplicados x.index.is_unique ? Si es así explicaría el comportamiento que estás viendo:

In [16]: left
Out[16]: 
            a
2000-01-01  1
2000-01-01  1
2000-01-01  1
2000-01-02  2
2000-01-02  2
2000-01-02  2

In [17]: right
Out[17]: 
            b
2000-01-01  3
2000-01-01  3
2000-01-01  3
2000-01-02  4
2000-01-02  4
2000-01-02  4

In [18]: left.join(right)
Out[18]: 
            a  b
2000-01-01  1  3
2000-01-01  1  3
2000-01-01  1  3
2000-01-01  1  3
2000-01-01  1  3
2000-01-01  1  3
2000-01-01  1  3
2000-01-01  1  3
2000-01-01  1  3
2000-01-02  2  4
2000-01-02  2  4
2000-01-02  2  4
2000-01-02  2  4
2000-01-02  2  4
2000-01-02  2  4
2000-01-02  2  4
2000-01-02  2  4
2000-01-02  2  4

Answer 2

Parece que tal vez quieres pandas.concat ? merge y join haz, bueno, join , lo que significa que te darán algo basado en el producto cartesiano de las dos entradas, pero parece que solo quieres pegarlos en una gran mesa.

Edit: ¿intentaste concat con axis=1 ? Parece hacer lo que estás pidiendo:

>>> print x
          A         B         C
0  0.155614 -0.252148  0.861163
1  0.973517  1.156465 -0.458846
2  2.504356 -0.356371 -0.737842
3  0.012994  1.785123  0.161667
4  0.574578  0.123689  0.017598
>>> print y
         A2        B2        C2
0 -0.280993  1.278750 -0.704449
1  0.140282  1.955322 -0.953826
2  0.581997 -0.239829  2.227069
3 -0.876146 -1.955199 -0.155030
4 -0.518593 -2.630978  0.333264
>>> print pandas.concat([x, y], axis=1)
          A         B         C        A2        B2        C2
0  0.155614 -0.252148  0.861163 -0.280993  1.278750 -0.704449
1  0.973517  1.156465 -0.458846  0.140282  1.955322 -0.953826
2  2.504356 -0.356371 -0.737842  0.581997 -0.239829  2.227069
3  0.012994  1.785123  0.161667 -0.876146 -1.955199 -0.155030
4  0.574578  0.123689  0.017598 -0.518593 -2.630978  0.333264