合并两个pandas数据框（在一个公共列上连接）

Question

合并两个pandas数据框（在一个公共列上连接）我有2个数据帧：restaurant_ids_dataframeData columns (total 13 columns):business_id      4503  non-null values categories       4503  non-null values city             4503  non-null values full_address     4503  non-null values latitude         4503  non-null values longitude        4503  non-null values name             4503  non-null values neighborhoods    4503  non-null values open             4503  non-null values review_count     4503  non-null values stars            4503  non-null values state            4503  non-null values type             4503  non-null values dtypes: bool(1), float64(3), int64(1), object(8)`和restaurant_review_frameInt64Index: 158430 entries, 0 to 229905Data columns (total 8 columns):business_id    158430  non-null values date           158430  non-null values review_id      158430  non-null values stars          158430  non-null values text           158430  non-null values type           158430  non-null values user_id        158430  non-null values votes          158430  non-null values dtypes: int64(1), object(7)我想加入这两个DataFrame，使用pandas中的DataFrame.join（）命令将它们组合成一个数据帧。我尝试了以下代码行：#the following line of code creates a left join of restaurant_ids_frame and   restaurant_review_frame on the column 'business_id'restaurant_review_frame.join(other=restaurant_ids_dataframe,on='business_id',how='left')但是当我尝试这个时，我收到以下错误：Exception: columns overlap: Index([business_id, stars, type], dtype=object)我对pandas很新，并且不知道我在执行join语句时遇到了什么问题。任何帮助将非常感激。

Answer 1

您可以使用merge将两个数据帧合并为一个：

import pandas as pd
pd.merge(restaurant_ids_dataframe, restaurant_review_frame, on='business_id', how='outer')

where on指定存在于要连接的两个数据帧中的字段名称，以及如何 定义其内部/外部/左/右连接，外部使用“来自两个帧的键的并集（SQL：完全外部连接）”。由于两个数据框中都有“星形”列，因此默认情况下会在合并的数据框中创建两列star_x和star_y。正如@DanAllan为join方法所提到的，您可以通过将其作为kwarg传递来修改merge的后缀。默认是suffixes=('_x', '_y')。如果你想这样做star_restaurant_id和star_restaurant_review，你可以这样做：

 pd.merge(restaurant_ids_dataframe, restaurant_review_frame, on='business_id', how='outer', suffixes=('_restaurant_id', '_restaurant_review'))

这个参数在这个链接中有详细解释。

Answer 2

如果DataFrame具有一些共同的列名，则加入失败。最简单的方法是包含一个lsuffix或rsuffix类似的关键字：

restaurant_review_frame.join(restaurant_ids_dataframe, on='business_id', how='left', lsuffix="_review")

这样，列具有不同的名称。该文档解决了这个问题。

或者，您可以通过在加入之前删除违规列来解决这个问题。例如，如果星星中的星星restaurant_ids_dataframe多余restaurant_review_frame，那么你可以del restaurant_ids_dataframe['stars']。

Answer 3

如果有人需要尝试在索引（而不是另一列）上合并两个数据帧，这也有效！

T1和T2是具有相同索引的数据帧

import pandas as pd
T1 = pd.merge(T1, T2, on=T1.index, how='outer')

PS我必须使用merge，因为append会不必要地填充NaN。