python - 两个数据帧的 Pandas 合并的输出不会产生预期的形状

Question

我使用“左合并”合并两个数据帧，但是，输出中的行数不等于左数据帧中的行数。 我期望 df_bd 的形状为 (58233, 10)。

Answer 1

执行连接时必须重复，例如:

import pandas as pd
left_data = {'name':['John','Mark'],'value':[1,5]}
right_data = {'name':['John','Mark','John','Mark'],'children':['Celius','Stingher','Celius','Stingher'],'process_date':['2019-02-05','2019-02-05','2019-03-05','2019-03-05']}
left_df = pd.DataFrame(left_data)
right_df = pd.DataFrame(right_data)
right_df['process_date'] = pd.to_datetime(right_df['process_date'])

它们是这样的:

print(left_df)
   name  value
0  John      1
1  Mark      5
print(right_df)
       name  children process_date
0  John    Celius   2019-02-05
1  Mark  Stingher   2019-02-05
2  John    Celius   2019-03-05
3  Mark  Stingher   2019-03-05

即使合并为 left，因为 right_df 中有多个 process_date 值，因此 left数据帧将被复制，以适应右数据帧传递的所有值。

    df = left_df.merge(right_df,how='left',left_on='name',right_on='name')
    print(df)
   name  value  children process_date
0  John      1    Celius   2019-02-05
1  John      1    Celius   2019-03-05
2  Mark      5  Stingher   2019-02-05
3  Mark      5  Stingher   2019-03-05

过滤此问题的一种方法是按特定顺序.sort_values()，然后.drop_duplicates(subset=list(left_df),keep={'last','first' })。这样，我们就可以消除重复的行并保留最新的可用信息:

df = df.sort_values('process_date',ascending=True).drop_duplicates(list(left_df),keep='last')
print(df)
   name  value  children process_date
1  John      1    Celius   2019-03-05
3  Mark      5  Stingher   2019-03-05

合并数据帧的长度，与left_df的长度匹配。