我正在尝试合并两个DataFrame，以便它们仅基于“诊断”列中的匹配值进行合并。现在，我从第一个数据集中获取了重复项，我只需要添加与0或1相匹配的列即可。
我尝试了内连接，外连接，左连接和右连接。
diagnosis radius_mean texture_mean perimeter_mean area_mean smoothness_mean compactness_mean concavity_mean concave points_mean symmetry_mean ... fractal_dimension_worst thickness size shape adhesion single nuclei chromatin nucleoli mitosis
0 1 17.99 10.38 122.80 1001.0 0.11840 0.27760 0.3001 0.1471 0.2419 ... 0.11890 8 10 10 8 7 10.0 9 7 1
1 1 17.99 10.38 122.80 1001.0 0.11840 0.27760 0.3001 0.1471 0.2419 ... 0.11890 5 3 3 3 2 3.0 4 4 1
2 1 17.99 10.38 122.80 1001.0 0.11840 0.27760 0.3001 0.1471 0.2419 ... 0.11890 8 7 5 10 7 9.0 5 5 4
3 1 17.99 10.38 122.80 1001.0 0.11840 0.27760 0.3001 0.1471 0.2419 ... 0.11890 7 4 6 4 6 1.0 4 3 1
4 1 17.99 10.38 122.80 1001.0 0.11840 0.27760 0.3001 0.1471 0.2419 ... 0.11890 10 7 7 6 4 10.0 4 1 2
5 1 17.99 10.38 122.80 1001.0 0.11840 0.27760 0.3001 0.1471 0.2419 ... 0.11890 7 3 2 10 5 10.0 5 4 4
6 1 17.99
答案 0 :(得分：0)
我只是这样回答，因为较长的文本在注释中不太方便。
在两个数据帧都包含用merge指定的列的多个行的情况下，观察到的是on的典型行为。例如，如果您在m中有new_df_32条记录，在diagnosis=1中有n条记录，并且new_df_10条记录，则将在合并数据框中获得n*m条记录与diagnosis=1。
如果不是这样，您想要实现什么，并且只想从new_df_10到new_df_32添加字段，则有两种可能性：
on参数中包括其他列。 new_df_32产生的聚合数据帧加入new_df_10。这意味着，您将new_df_32的所有行与一个数据框连接在一起，该数据框仅包含diagnosis=0的一行和diagnosis=1的一行。第二种情况如下：
df10_aggregated= new_df_10.groupby(['diagnosis']).agg('first')
merged_df = pd.merge(new_df_32, df10_aggregated, left_on="diagnosis", right_index=True, how='left')
您只需要详细说明实际需要如何聚合数据帧（哪个聚合函数用于哪个列），并考虑到在first的情况下数据帧的排序起了作用，所以在在这种情况下，您可能还需要先对其进行排序（使用sort_values）。