最佳答案
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。
关于python - 两个数据帧的 Pandas 合并的输出不会产生预期的形状,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58221553/