我有一组DataFrames，包含数值和部分重叠的索引。如果索引出现在多个DataFrame中，我想合并它们。
import pandas as pd
import numpy as np
df1 = pd.DataFrame([1,2,3], columns=['col'], index=['a','b','c'])
df2 = pd.DataFrame([4,5,6], columns=['col'], index=['b','c','d'])
这给了我两个DataFrame：
col col
a 1 b 4
b 2 c 5
c 3 d 6
现在我想合并DataFrames并取每个索引的均值（如果适用，即如果它出现不止一次）。
应该是这样的：
col
a 1
b 3
c 4
d 6
我可以通过一些高级合并/加入来做到这一点吗？
像这样的东西：
df3 = pd.concat((df1, df2))
df3.groupby(df3.index).mean()
# col
# a 1
# b 3
# c 4
# d 6
或其他方式，如@unutbu答案：
pd.concat((df1, df2), axis=1).mean(axis=1)
像这样的东西：
df3 = pd.concat((df1, df2))
df3.groupby(df3.index).mean()
# col
# a 1
# b 3
# c 4
# d 6
或其他方式，如@unutbu答案：
pd.concat((df1, df2), axis=1).mean(axis=1)
In [22]: pd.merge(df1, df2, left_index=True, right_index=True, how='outer').mean(axis=1)
Out[23]:
a 1
b 3
c 4
d 6
dtype: float64
关于罗马的问题，我发现 IPython的的 %timeit 命令一种方便的基准代码方法：
In [28]: %timeit df3 = pd.concat((df1, df2)); df3.groupby(df3.index).mean()
1000 loops, best of 3: 617 µs per loop
In [29]: %timeit pd.merge(df1, df2, left_index=True, right_index=True, how='outer').mean(axis=1)
1000 loops, best of 3: 577 µs per loop
In [39]: %timeit pd.concat((df1, df2), axis=1).mean(axis=1)
1000 loops, best of 3: 524 µs per loop
在这种情况下， pd.concat(...).mean(...) 原来有点快。但实际上我们应该测试更大的数据帧以获得更有意义的基准。
顺便说一句，如果你不想安装IPython，可以使用相同的基准测试 Python的 timeit 模。它需要更多的设置。该 docs有一些例子 显示如何做到这一点。
请注意，如果 df1 要么 df2 在其索引中有重复的条目，例如：
N = 1000
df1 = pd.DataFrame([1,2,3]*N, columns=['col'], index=['a','b','c']*N)
df2 = pd.DataFrame([4,5,6]*N, columns=['col'], index=['b','c','d']*N)
那么这三个答案给出了不同的结果：
In [56]: df3 = pd.concat((df1, df2)); df3.groupby(df3.index).mean()
Out[56]:
col
a 1
b 3
c 4
d 6
pd.merge 可能没有给出你想要的那种答案：
In [58]: len(pd.merge(df1, df2, left_index=True, right_index=True, how='outer').mean(axis=1))
Out[58]: 2002000
而 pd.concat((df1, df2), axis=1) 引发ValueError：
In [48]: pd.concat((df1, df2), axis=1)
ValueError: cannot reindex from a duplicate axis