在 Pandas 中合并两个数据集

Question

我以前曾与 Stata 合作过，现在正尝试用 Python 完成同样的工作。但是，我在使用合并命令时遇到了麻烦。不知何故，我一定是错过了什么。我要合并的两个数据框如下所示：

 df1:
 Date id Market_Cap
 2000 1  400
 2000 2  200
 2001 1  410
 2001 2  220

 df2:
 id Ticker
 1   Shell
 2   ExxonMobil

我现在的目标是获取以下数据集：

Date id Market_Cap  Ticker
2000 1  400        Shell 
2000 2  200        ExxonMobil 
2001 1  410        Shell 
2001 2  220        ExxonMobil

我尝试了以下命令：

merged= pd.merge(df1, df2, how="left", on="id")

这合并了数据集，但在 Ticker 列中只给了我 nan。 我查看了几个来源，也许我错了，但是“左”命令不是为了我的目的而做的正确的事情吗？我也试过“对”和“外”。他们没有得到我想要的结果，而且“内在”似乎在这里一般不起作用。

我错过了什么重要的东西吗？

Answer 1

你的问题是你的列id 在一个df 是object（显然是string）和另一个int，所以没有匹配并得到NaN。

如果有相同的dtypes:

print (df1['id'].dtypes)
int64
print (df2['id'].dtypes)
int64

merged = pd.merge(df1, df2, how="left", on="id")
print (merged)
   Date  id  Market_Cap      Ticker
0  2000   1         400       Shell
1  2000   2         200  ExxonMobil
2  2001   1         410       Shell
3  2001   2         220  ExxonMobil

如果只需要添加一个新列，另一种解决方案是map：

df1['Ticker'] = df1['id'].map(df2.set_index('id')['Ticker'])
print (df1)
   Date  id  Market_Cap      Ticker
0  2000   1         400       Shell
1  2000   2         200  ExxonMobil
2  2001   1         410       Shell
3  2001   2         220  ExxonMobil

模拟你的问题：

print (df1['id'].dtypes)
object
print (df2['id'].dtypes)
int64

df1['Ticker'] = df1['id'].map(df2.set_index('id')['Ticker'])
print (df1)
   Date id  Market_Cap Ticker
0  2000  1         400    NaN
1  2000  2         200    NaN
2  2001  1         410    NaN
3  2001  2         220    NaN

解决方案是通过astype 转换为int（或df2 中的列id 转换为str）：

df1['id'] = df1['id'].astype(int)
#alternatively
#df2['id'] = df2['id'].astype(str)
df1['Ticker'] = df1['id'].map(df2.set_index('id')['Ticker'])
print (df1)
   Date  id  Market_Cap      Ticker
0  2000   1         400       Shell
1  2000   2         200  ExxonMobil
2  2001   1         410       Shell
3  2001   2         220  ExxonMobil