Pandas是Python編程語言中最流行的數據分析工具之一，它提供了豐富的數據結構和工具，使得數據處理變得更加容易和高效。在Pandas中，數據通常存儲在DataFrame和Series對象中，而合并具有相同索引的行通常是我們在數據分析過程中經常需要執行的任務之一。

本文將介紹如何使用Pandas合并具有相同索引的行，并提供一些示例來說明如何實現這個任務。我們將從簡單的情況開始介紹，然后逐步深入，直到涵蓋一些較為復雜的情況。

什么是索引？

在介紹如何合并具有相同索引的行之前，先讓我們回顧一下什么是索引。在Pandas中，每個DataFrame和Series都有一個索引，它位于每行的左側。索引可以是數值、日期、字符串等類型，它們有助于標識數據中的每行。如果沒有指定索引，Pandas會默認使用整數作為索引。

如何合并具有相同索引的行？

當你需要合并具有相同索引的行時，你可以使用Pandas中的merge()方法。merge()方法將兩個DataFrame對象連接在一起，并根據指定的列或索引進行匹配。例如，假設我們有兩個DataFrame對象df1和df2，它們具有相同的索引，我們可以使用以下代碼將它們合并：

merged_df = pd.merge(df1, df2, on='index')

在上面這個例子中，我們使用了on參數來指定合并的列名，它必須是兩個DataFrame對象共同擁有的列或索引。在本例中，我們使用了'index'作為合并的列名，因為df1和df2都具有相同的索引。

除了使用on參數之外，還可以使用left_index和right_index參數來指定左、右DataFrame對象的索引作為合并的列。例如，假設我們想要以df1和df2的索引進行合并：

merged_df = pd.merge(df1, df2, left_index=True, right_index=True)

在這個例子中，我們使用了left_index和right_index參數來指定左、右DataFrame對象的索引作為合并的列。這意味著當左、右DataFrame對象的索引匹配時，它們將被合并成一行。

示例

為了更好地理解如何合并具有相同索引的行，讓我們看一些示例。

示例1：簡單合并

假設我們有以下兩個DataFrame對象df1和df2：

import pandas as pd
 
data1 = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df1 = pd.DataFrame(data1, index=['a', 'b', 'c'])
 
data2 = {'A': [7, 8, 9], 'B': [10, 11, 12]}
df2 = pd.DataFrame(data2, index=['a', 'b', 'c'])

這些DataFrame對象都具有相同的索引，現在我們使用merge()方法將它們合并：

merged_df = pd.merge(df1, df2, on='index')
print(merged_df)

輸出：

   A_x  B_x  A_y  B_y
0    1    4    7   10
1    2    5    8   11
2    3    6    9   12

合并后的DataFrame對象包含了兩個原始DataFrame對象中的所有列，并將它們按索引值進行匹配。

示例2：合并多個DataFrame對象

當你需要合并多個具有相同索引的DataFrame對象時，可以使用concat()方法。例如，假設我們有以下三個DataFrame

對象df1、df2和df3：

import pandas as pd
 
data1 = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df1 = pd.DataFrame(data1, index=['a', 'b', 'c'])
 
data2 = {'A': [7, 8, 9], 'B': [10, 11, 12]}
df2 = pd.DataFrame(data2, index=['a', 'b', 'c'])
 
data3 = {'A': [13, 14, 15], 'B': [16, 17, 18]}
df3 = pd.DataFrame(data3, index=['a', 'b', 'c'])

現在我們使用concat()方法將它們合并成一個DataFrame對象：

merged_df = pd.concat([df1, df2, df3], axis=1)
print(merged_df)

輸出：

   A  B  A  B   A   B
a  1  4  7  10  13  16
b  2  5  8  11  14  17
c  3  6  9  12  15  18

在這個例子中，我們使用了concat()方法將三個DataFrame對象沿著列方向(axis=1)進行合并。由于這些DataFrame對象都具有相同的索引，因此它們被正確地匹配到一起。

示例3：合并非唯一索引

當你需要合并具有非唯一索引的行時，可以使用merge()方法的how參數來指定如何匹配行。how參數可以取以下四個值之一：'inner'、'outer'、'left'和'right'。

• 'inner'：只保留兩個DataFrame對象中都有的行。
• 'outer'：保留兩個DataFrame對象中所有的行，并使用NaN填充缺失值。
• 'left'：保留左DataFrame對象中的所有行，并使用NaN填充缺失值。
• 'right'：保留右DataFrame對象中的所有行，并使用NaN填充缺失值。

例如，假設我們有以下兩個DataFrame對象df1和df2：

import pandas as pd
 
data1 = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df1 = pd.DataFrame(data1, index=['a', 'b', 'c'])
 
data2 = {'A': [7, 8, 9], 'B': [10, 11, 12]}
df2 = pd.DataFrame(data2, index=['c', 'd', 'e'])

這些DataFrame對象具有非唯一索引，現在我們使用merge()方法將它們合并：

merged_df = pd.merge(df1, df2, on='index', how='outer')
print(merged_df)

輸出：

     A_x  B_x  A_y    B_y
a    1.0  4.0  NaN    NaN
b    2.0  5.0  NaN    NaN
c    3.0  6.0  7.0   10.0
d    NaN  NaN  8.0   11.0
e    NaN  NaN  9.0   12.0

在這個例子中，我們使用了how參數來指定了'outer'模式，這意味著合并后的DataFrame對象將包含兩個原始DataFrame對象中的所有行，并使用NaN填充缺失值。

結論

合并具有相同索引的行是數據分析過程中常見的任務之一。在Pandas中，我們可以使用merge()方法和concat()方法來實現這個任務。當你需要合并具有非唯一索引的行時，可以使用merge()方法的how參數來指定如何匹配行。這些方法都提供了靈活性和可擴展性，可以滿足不同情況下的需求。