通过列连接pandas数据框并用'NaN'填充空白。

Question

我有四个pandas数据框，可以使用以下代码生成：

#df 1
time1=pandas.Series([0,20,40,60,120])
pPAK2=pandas.Series([0,3,15,21,23])
cols=['time','pPAK2']

df=pandas.DataFrame([time1,pPAK2])
df=df.transpose()
df.columns=cols
df.to_csv('pPAK2.csv',sep='\t')
pak2_df=df

#df2
time2=pandas.Series([0,15,30,60,120])
cAbl=pandas.Series([0,15,34,10,0])
df=pandas.DataFrame([time2,cAbl])
df=df.transpose()
cols=['time','pcAbl']
df.columns=cols
df.to_csv('pcAbl.csv',sep='\t')
pcAbl_df=df

#df 3
time7=pandas.Series([0,60,120,240,480,960,1440])
pSmad3_n=pandas.Series([0,16,14,12,8,7.5,6])
scale_factor=40
pSmad3_n=pSmad3_n*scale_factor

#plt.plot(time7,pSmad3)
df=pandas.DataFrame([time7,pSmad3_n])
df=df.transpose()
cols=['time','pSmad3_n']
df.columns=cols
df.to_csv('pSmad3_n.csv',sep='\t')

smad3_df=df

#df4
time8=pandas.Series([0,240,480,1440])
PAI1_mRNA=pandas.Series([0,23,25,5])
scale_factor=5
PAI1_mRNA=PAI1_mRNA*scale_factor
df=pandas.DataFrame([time8,PAI1_mRNA])
df=df.transpose()
cols=['time','PAI1_mRNA']
df.columns=cols
df.to_csv('PAI1_mRNA.csv',sep='\t')
PAI1_df=df


#print dataframes
print PAI1_df
print pak2_df
print pcAbl_df
print smad3_df

我想用Pandas的concat函数根据时间列连接这些数据框，但我无法得到正确的输出。如果只连接PAI1_df和pak2_df，输出应该类似于下面的内容：

   time  PAI1_mRNA    pPAK2
0     0          0    0
1    20    'NaN'      3
2    40    'NaN'      15
3    60     'NaN'     21
4    120    'NaN'     23
5   240        115    'NaN'
6   480        125    'NaN'
7  1440         25    'NaN

我认为这应该很容易，但文档中有很多功能，有人知道如何做吗？

- CiaranWelsh

Answer 1

所以你可以像这样连接它：

import pandas

df = pandas.concat([pak2_df.set_index('time'), pcAbl_df.set_index('time')], axis=1).reset_index()
print(df)

输出：

   time  pPAK2  pcAbl
0     0      0      0
1    15    NaN     15
2    20      3    NaN
3    30    NaN     34
4    40     15    NaN
5    60     21     10
6   120     23      0

- George Petrov