我在Jupyter Notebook上使用python 3.4，尝试合并两个数据框，如下所示：
df_A.shape
(204479, 2)
df_B.shape
(178, 3)
new_df = pd.merge(df_A, df_B, how='inner', on='my_icon_number')
new_df.shape
(266788, 4)
我认为上面合并的new_df应该比df_A少几行，因为合并就像一个内连接。但为什么new_df实际上有更多行而不是df_A？
这是我真正想要的：
我的df_A就像：
id my_icon_number
-----------------------------
A1 123
B1 234
C1 123
D1 235
E1 235
F1 400
和我的df_B就像：
my_icon_number color size
-------------------------------------
123 blue small
234 red large
235 yellow medium
然后我希望new_df成为：
id my_icon_number color size
--------------------------------------------------
A1 123 blue small
B1 234 red large
C1 123 blue small
D1 235 yellow medium
E1 235 yellow medium
我真的不想删除df_A中my_icon_number的重复项。知道我错过了什么吗？
答案 0 :(得分：8)
由于两个数据集中的合并列都有重复项，因此您将获得具有该合并列值的k * m行，其中k是数据中具有该值的行数set 1和m是数据集2中具有该值的行数。
尝试drop_duplicates
dfa = df_A.drop_duplicates(subset=['my_icon_number'])
dfb = df_B.drop_duplicates(subset=['my_icon_number'])
new_df = pd.merge(dfa, dfb, how='inner', on='my_icon_number')
在此示例中，唯一的共同值是4，但我在每个数据集中都有3次。这意味着我应该在生成的合并中获得总共9行，每个组合一行。
df_A = pd.DataFrame(dict(my_icon_number=[1, 2, 3, 4, 4, 4], other_column1=range(6)))
df_B = pd.DataFrame(dict(my_icon_number=[4, 4, 4, 5, 6, 7], other_column2=range(6)))
pd.merge(df_A, df_B, how='inner', on='my_icon_number')
my_icon_number other_column1 other_column2
0 4 3 0
1 4 3 1
2 4 3 2
3 4 4 0
4 4 4 1
5 4 4 2
6 4 5 0
7 4 5 1
8 4 5 2