Question

我正在使用OULAD dataset，它有7个csv文件，它们以OULAD网站中图像中所示的方式链接在一起。

其中一个名为student_registration的csv文件具有32593行和5列，而另一个名为student_Vle的csv文件具有10655280行和6列。

我想要将date＆sum_click列从student_vle添加到student_registration表中，以便仅添加现有的32593名学生信息。

我尝试了左联接，但是结果很奇怪。它具有[13009427行x 11列]，而不是32593行和8列。就像联盟。

U可以从UCI存储库获取数据集。

这是我的代码-

    import pandas as pd
    import numpy as np

    student_reg = pd.read_csv('/home/user/Documents/MOOC dataset cleaned/studentRegistration.csv')
    student_vle = pd.read_csv('/home/user/Documents/MOOC dataset cleaned/studentVle.csv')

    student_reg_vle = pd.merge(student_reg, student_vle, on='id_student', how='left')
    student_reg_vle.set_index('id_student', inplace=True)
    print(student_reg_vle)

Answer 1

问题在于重复的数据，需要唯一的行，因此解决方案是删除重复项：

student_vle = student_vle.drop_duplicates('id_student')

要使用OULAD数据集，如何加入或合并它们？

1 个答案: