熊猫留在原地加入

Question

我有一个大数据框df 和一个小数据框df_right，有两列a 和b。我想在a 上做一个简单的左连接/查找而不复制df。

我想出了这段代码，但我不确定它有多强大：

dtmp = pd.merge(df[['a']], df_right, on = 'a', how = "left")  #one col left join
df['b'] = dtmp['b'].values

我知道当有重复的键时它肯定会失败：pandas left join - why more results?

有更好的方法吗？

相关：

Outer merging two data frames in place in pandas

What are the exact downsides of copy=False in DataFrame.merge()?

Answer 1

你快到了。 有 4 种情况需要考虑：

1. df 和 df_right 没有有重复的键
2. 只有df有重复键
3. 只有df_right有重复键
4. df 和 df_right 有重复键

您的代码在情况 3 和 4 中失败，因为合并扩展了 df 中的行数。为了使其工作，您需要在合并之前选择要放入df_right 的信息。这样做的目的是强制任何合并方案为案例 1 或案例 2。

例如，如果您希望为df_right 中的每个重复键保留“第一”值，则以下代码适用于上述所有 4 种情况。

dtmp = pd.merge(df[['a']], df_right.drop_duplicates('a', keep='first'), on='a', how='left')
df['b'] = dtmp['b'].values

或者，如果df_right 的列'b' 包含数值并且您希望获得汇总统计：

dtmp = pd.merge(df[['a']], df_right.groupby('a').mean().reset_index(drop=False), on='a', how='left')
df['b'] = dtmp['b'].values