在基于一列合并两个文件的 Python 脚本中包含不匹配的行

Question

我有两个 csv 文件，如下所示。

第一个文件：

abTestGroup,platform,countryCode,userId

group_control,ios,GB,aaaaaaaaaaa group_control,ios,GB,aaaaaaaaaaaa

group_control,ios,GB,aaaaaaaaaaa group_control,ios,GB,aaaaaaaaaaaa

group_test,android,GB,ccccccccccc

第二个文件：

dateActivity,productId,cost,userId

2018-03-02,specialpack,0.198,aaaaaaaaaaa

2018-03-03,specialpack,0.498,aaaaaaaaaaa

2018-03-02,specialpack,0.398,bbbbbbbbbbb

2018-03-02,特殊包,0.998,cccccccccccc

在这种情况下，他们有一个共同点，那就是userId。

我想合并这些文件并使用 Python (Pandas) 创建父子关系。

我使用了下面的脚本：

import pandas as pd

a = pd.read_csv('PARENT.csv', encoding = "UTF-8", mangle_dupe_cols=True, usecols=['abTestGroup','platform','countryCode','userId'])
b = pd.read_csv("CHILD.csv")
merged = b.merge(a, on='userId', how='inner')

merged = merged.drop_duplicates()

merged.to_csv("final_output.csv", index=False)

为了得到以下输出：

dateActivity,productId,cost,userId,abTestGroup,platform,countryCode

2018-03-02,specialpack,0.198,aaaaaaaaaaa,group_control,ios,GB

2018-03-03,specialpack,0.498,aaaaaaaaaaa,group_control,ios,GB

2018-03-02,specialpack,0.998,ccccccccccc,group_test,android,GB

userId'bbbbbbbbbbb' 不会出现在最终输出中，因为它在两个文件中都不存在。如何包含不匹配的行（不匹配的userIds）并将“其他”值分配给单元格？

Answer 1

因为您正在执行内部连接，所以只会返回匹配的 userIds。为了返回不匹配的userIds，您可以根据以下语句中的连接顺序进行右/左连接。

merged = b.merge(a, on='userId', how='inner')

如果b 包含bbbbbbbbbbb，您将进行左连接。如果a 包含bbbbbbbbbbb 那么你会做一个正确的加入。

merged = b.merge(a, on='userId', how='left')
merged = b.merge(a, on='userId', how='right')

请参阅下面的联接类型。

Answer 2

join 方法适用于您的情况：

a.join(b)