加入两个熊猫数据框并将数据匹配到一列

Question

我有以下 2 个取自 excel 文件的数据框：

df_a = 10000 行（就像具有所有唯一 #s 的主列表）

df_b = 670 行

我正在加载一个包含 zip、地址、状态的 excel 文件 (df_b)，我想匹配该信息，然后添加来自 df_a 的供应商#，这样我就可以拥有 1 个仍然是 670 行但现在有供应商行列。

df_a =
(10000 rows)
  (unique)
 supplier #  ZIP   ADDRESS        STATE   Unique Key
0  7100000  35481  14th street     CA      35481-14th street-CA
1  7000005  45481  14th street     CA      45481-14th street-CA
2  7000006  45482  140th circle     CT     45482-140th circle-CT
3  7000007  35482  140th circle     CT     35482-140th circle-CT
4  7000008  35483  13th road        VT     35483-13th road-VT

df_b = 
(670 rows) 
    ZIP   ADDRESS          STATE         Unique Key
0    35481  14th street     CA      35481-14th street-CA
1    45481  14th street     CA      45481-14th street-CA
2   45482  140th circle     CT     45482-140th circle-CT
3    35482  140th circle     CT     35482-140th circle-CT
4    35483  13th road        VT     35483-13th road-VT

OUTPUT:
 df_c =
(670 rows)
    ZIP   ADDRESS          STATE         Unique Key          (Unique)supplier #
0    35481  14th street     CA      35481-14th street-CA          7100000 
1    45481  14th street     CA      45481-14th street-CA          7100005
2   45482  140th circle     CT     45482-140th circle-CT          7100006
3    35482  140th circle     CT     35482-140th circle-CT          7100007
4    35483  13th road        VT     35483-13th road-VT            7100008

我尝试将 2 个 dfs 合并在一起，但它们不匹配，而是我得到了一堆 NAn

df10 = df_a.merge(df_b, on = 'Unique Key', how= 'left'

结果是 1 个数据框，其中包含很多列且没有匹配项。此外，我也尝试过 .map 和 .concat 。我不确定发生了什么。

Answer 1

你试过了吗

df10 = df_a.merge(df_b, on = 'Unique Key', how = "inner")

“内部连接”仅保留公共记录，IIUC 正是您想要实现的目标

于 2021 年 2 月 14 日添加

从您的测试数据创建 csvs 并读入 pandas

df_mrg = df_a.merge(df_b[1:3], how='inner', on='Unique_Key')
df_mrg

产生：

注意事项：

• df_b 上的切片以创建子集
• 更改了列名（_ 以外的空格和符号让我毛骨悚然）
• 我还手动消除了 Unique_Key 中单元格值的前导和尾随空格（有可以自动化的字符串方法）

还要考虑：

df_mrg = df_a.merge(df_b[1:3], how='right', on='Unique_Key')

将返回与当前数据的“内部”相同的数据帧，但根据您的数据和您想知道的内容，可能值得测试。

此外，合并允许传递列列表。由于复合键的源列在两个表中，您可以通过以下方式测试复合键的潜在问题：

df_mrg2 = df_a.merge(df_b[1:3], how='inner', on=['ZIP','ADDRESS','STATE'])
np.where(df_mrg2['Unique_Key_x']==df_mrg2['Unique_Key_y'],True,False)

df_mrg2 返回与 df_mrg 相同的记录集，但没有重复的“on”字段。

所有这些都超出了回答您的问题的范围，但希望对您有所帮助