Соединить панды dataframes через колонку и заполнение пробелов с «NaN»

Question

У меня есть четыре PANDAS dataframes, которые могут быть сформированы с помощью кода ниже:

#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 

Хочу объединить эти dataframes по столбцу времени с pandas concat, но я не могу получить выход правильно. Вывод должен выглядеть примерно так, если были просто сцепить PAI1_df и pak2_df

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 

Я думаю, что это должно быть легко, но есть много возможностей в доке, кто-нибудь знает, как это сделать?

Answer 1

Таким образом, вы можете Concat это следующим образом:

import pandas 

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

Печать:

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