Объединить два похожих кадра данных, которые имеют одинаковые столбцы

Question

Я хотел бы объединить df_1 и df_2 для создания df_merged, но я хочу объединить столбцы, которые имеют как общие, так и созданные A_x и A_y.

index = [np.array(['foo', 'foo', 'qux', 'qux']), 
     np.array(['one', 'two', 'one', 'two',])] 
columns = ["A", "B"] 
df_1 = pd.DataFrame(np.random.randn(4, 2), index=index, columns=columns) 

index = [np.array(['bar', 'bar', 'baz', 'baz',]), 
     np.array(['one', 'two', 'one', 'two',])] 
columns = ["A", "B"] 
df_2 = pd.DataFrame(np.random.randn(4, 2), index=index, columns=columns) 

df_merge = pd.merge(df_1, df_2, left_index=True, right_index=True, how='outer') 

print df_1 
print df_2 
print df_merge 

df_1

   A   B 
foo one 2.082229 1.575985 
    two -0.805592 0.444195 
qux one 0.368874 0.253556 
    two 1.017632 -0.471978 

df_2

   A   B 
bar one 0.134571 0.415209 
    two -1.288889 -0.144284 
baz one -0.117345 -0.095292 
    two -0.256708 -0.682542 

df_merge - выходной ток

   A_x  B_x  A_y  B_y 
bar one  NaN  NaN 0.134571 0.415209 
    two  NaN  NaN -1.288889 -0.144284 
baz one  NaN  NaN -0.117345 -0.095292 
    two  NaN  NaN -0.256708 -0.682542 
foo one 2.082229 1.575985  NaN  NaN 
    two -0.805592 0.444195  NaN  NaN 
qux one 0.368874 0.253556  NaN  NaN 
    two 1.017632 -0.471978  NaN  NaN 

df_merge - желательная

   A   B  
bar one  0.134571 0.415209 
    two  -1.288889 -0.144284 
baz one  -0.117345 -0.095292 
    two  -0.256708 -0.682542 
foo one  2.082229 1.575985  
    two  -0.805592 0.444195  
qux one  0.368874 0.253556  
    two  1.017632 -0.471978  

Answer 1

Простейшие является использование concat, по умолчанию есть 'outer' присоединиться и сцепить панда объектов вдоль определенной оси (здесь axis=0, значения по умолчанию):

print (pd.concat([df_1,df_2])) 

       A   B 
foo one -0.329887 -0.966898 
    two 0.552272 -1.964264 
qux one -0.629764 -0.765578 
    two -0.148118 0.904920 
bar one 0.305685 -1.269400 
    two 1.256213 -0.686447 
baz one -2.194461 0.529666 
    two -1.487217 -0.520045 

А затем sort_index, если необходимо:

print (pd.concat([df_1,df_2]).sort_index()) 

       A   B 
bar one -0.463547 -0.002780 
    two -0.421346 -1.730840 
baz one -0.086068 1.179000 
    two 0.756876 -0.492985 
foo one -0.223900 -0.302643 
    two 0.460265 0.216632 
qux one -0.296815 0.799978 
    two -0.420700 1.147312