pandas 合并数据长度

Question

我有两个数据框，每个数据框有一列具有相同的值（和相等的长度），但顺序不同，如简化示例中所示；

df1=pd.DataFrame(['a','b','c','d','e'],columns=['names'])
df2=pd.DataFrame(['b','e','a','c','d'],columns=['names'])

我想知道df2中df1中每一行对应的索引，然后做；

df= pd.merge(df1.reset_index(), df2.reset_index(), on=['names'])

这有效，正如本示例所预期的那样，数据帧的长度等于len(df1)=len(df2)=len(df)

但是在我的真实数据中，len(df1)=len(df2)=1714 和 len(df)=1676

我很疑惑，这怎么可能？

我刚刚做了一个实验并添加了重复项。

df1=pd.DataFrame(['e','a','b','c','d','e'],columns=['names'])
df2=pd.DataFrame(['b','e','a','e','c','d'],columns=['names'])
df= pd.merge(df1.reset_index(), df2.reset_index(), on=['names'])

这使得 len(df)=8 大于 len(df1)=len(df2)=6。

但在我的真实数据中，df 小于单个 df 长度。

Answer 1

由于pandasmerge默认是inner join，当你不指定how的方法时，它只会输出两个dfs中的行

例如：

df1=pd.DataFrame(['a'],columns=['names'])
df2=pd.DataFrame(['b','e','a','c','d'],columns=['names'])
pd.merge(df1.reset_index(), df2.reset_index(), on=['names'])
   index_x names  index_y
0        0     a        2

更新

df1=pd.DataFrame(['a','a'],columns=['names'])
df2=pd.DataFrame(['b','e','a','a','c','d'],columns=['names'])

df1.merge(df2)
  names
0     a
1     a
2     a
3     a