Question

我正在使用以下代码合并两个不同长度的数据帧：

df1=pd.merge(df1, df2, on='OFFERING_ID',how='left')

合并前的行数为 400 0000，合并后的行数为 600000。

请问如何解决？

谢谢

Answer 1

问题不在于长度，而在于 OFFERING_ID。

简而言之，OFFERING_ID 在第二个数据框中不是唯一的。因此，每个 OFFERING_ID 会获得多个匹配项，因此比原始行数多。

我在repl.it中做了一个例子，代码也贴在下面：

import pandas as pd

df1 = pd.DataFrame(
    [
        {"OFFERING_ID": 1, "another_field": "whatever"},
        {"OFFERING_ID": 2, "another_field": "whatever"},
        {"OFFERING_ID": 3, "another_field": "whatever"},
        {"OFFERING_ID": 4, "another_field": "whatever"},
    ]
)

df2 = pd.DataFrame(
    [
        {"OFFERING_ID": "1", "another_field": "whatever"},
        {"OFFERING_ID": 1, "another_field": "whatever"},
        {"OFFERING_ID": 1, "another_field": "whatever"},
    ]
)

print(df1.shape)
print(df2.shape)
print(pd.merge(df1, df2, on="OFFERING_ID", how="left").shape)

Answer 2

offering_id_dfs = []
for id in df1.OFFERING_ID.unique():
    sub_df1 = df1.loc[df1.OFFERING_ID == id , :].reset_index(drop=True)
    sub_df2 = df2.loc[df2.OFFERING_ID == id , :].reset_index(drop=True)
    concat_df = pd.concat([sub_df1, sub_df2], axis=1)
    concat_df["OFFERING_ID"] = id
    offering_id_dfs.append(concat_df)
df3 = pd.concat(offering_id_dfs ).reset_index(drop=True)

只要每个 DataFrame 只包含您的 Offer_ID 旁边的一列，并且所有 df2.Offering_Id.unique() 都在 df1.Offering_Id.unique() 的集合中，这可能会起作用。

合并不同长度的数据帧

2 个答案: