在工作或科研中，往往需要同时merge多个表单；但是pandas没有提供诸如pandas.mege([df1,df2,df3,df4],...)这样的接口。如果表单数量少还好，我们可以通过重复上面的代码完成。但是这样做，一方面不是很“优雅”，另一方面，当表单很多，比如逐日的气象数据，那冗余代码量是巨大的。
当遇到这种问题，可以使用python内置的functools库提供的reduce功能，实现一行代码Merge多个表单的功能。以下为代码演示：
首先我们定义四组表单数据。
import pandas as pd
import functools
df1 = pd.DataFrame({
"Name":['zhao','qian','sun','li','zhou','wu'],
"Age":[21,23,20,20,24,23],
"Grade-1":[100,99,90,98,99,95],
})
df2 = pd.DataFrame({
"Name":['zhao','qian','sun','li','zhou','wu'],
"Age":[21,23,20,20,24,23],
"Grade-2":[65,66,65,68,70,72],
})
df3 = pd.DataFrame({
"Name":['zhao','qian','sun','li','zhou','wu'],
"Age":[21,23,20,20,24,23],
"Grade-3":[77,88,99,100,88,55],
})
df4 = pd.DataFrame({
"Name":['zhao','qian','sun','li','zhou','wu'],
"Age":[21,23,20,20,24,23],
"Grade-4":[60,60,61,61,61,60],
})
分别在jupyter notebook中display四个表单
然后调用reduce函数，将pd.merge函数递归应用于四个表单
df = functools.reduce(
lambda left, right: pd.merge(left, right, how='left',on=['Name','Age']),
[df1,df2,df3,df4]
)
print(df)
有人会说，你这不也是把df1-4遍历了一遍呀
那如果把四个变量用list存起来就大不一样了，比如读取某个文件夹下的全部温度数据，并merge：
all_files = []
for fn in glob.glob("../data/temp*.csv"):
all_files.append(pandas.read_csv(fn))
df = functools.reduce(
lambda left, right: pd.merge(left, right, how='left',on=['Name','Age']),
all_files
)
这么看，代码量是不是指数级减少了？并且优雅了许多。