当我合并两个简单的数据框时,一切正常。但是当我将相同的代码应用于我的真实数据帧时,合并无法正常工作:
我想合并 df1 和 df2 在 A 列上使用左连接。
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
df2 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3','A4','A5'],
'C': ['C0', 'C1', 'C2', 'C3','C4','C5'],
'D': ['D0', 'D1', 'D2', 'D3','D4','A5']})
result = pd.merge(df1, df2[["A","C"]], how='left', on='A')
在这种情况下,结果是正确的(result 中的行数与 df1 相同)。
然而,当我在我的真实数据上运行相同的代码时,result 中的行数比 df1 大得多,并且更类似于 df2.
result = pd.merge(df1, df2[["ID","EVENT"]], how='left', on='ID')
ID 字段的类型为 String (astype(str))。
这可能是什么原因?我不能在这里发布真实的数据集,但根据我的解释,也许仍然可以完成一些指示。谢谢。
更新:
我检查了数据框 result,我可以看到许多重复的行具有相同的 ID。为什么?
请您参考如下方法:
查看这个稍微修改过的示例(我修改了 df2 中 A 列的最后两个值):
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
df2 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3','A0','A0'],
'C': ['C0', 'C1', 'C2', 'C3','C4','C5'],
'D': ['D0', 'D1', 'D2', 'D3','D4','A5']})
result = pd.merge(df1, df2[["A","C"]], how='left', on='A')
输出:
A B C
0 A0 B0 C0
1 A0 B0 C4
2 A0 B0 C5
3 A1 B1 C1
4 A2 B2 C2
5 A3 B3 C3
df2 中的每个A0 都有一个A0 行。这也是您的数据正在发生的事情。
