Question

当我合并两个简单的数据帧时，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：

我想使用左连接在df1列合并df2和A。

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。）

但是，当我在实际数据上运行相同的代码时，result中的行数远远大于df1，并且与df2更相似。

result = pd.merge(df1, df2[["ID","EVENT"]], how='left', on='ID')

字段ID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，但也许根据我的解释可能会做一些指示。感谢。

UDPATE：

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。为什么呢？

Answer 1

请参阅此略微修改的示例（我在A中修改了df2列中的最后两个值）：

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

A0中的每个A0都有一个df2行。这也是您的数据发生的事情。

左合并不起作用

1 个答案: