在同一列上从 df1 合并到 df2 - 扩展数据集

Question

我犯了一个小错误，我不确定如何正确合并两个 df 。我想合并 IBES_cusip 以将 gvkey 放入 df1。我尝试以下操作，但它只是扩展数据集并且不正确匹配：df1 = df1.merge(df2, how = 'left', on =['IBES_cusip'])df1       IBES_cusip       pends pdicity  ... ltg_eps  futepsgrowth 0        00036110  1983-05-31     ANN  ...     NaN           NaN  1        00036110  1983-05-31     ANN  ...     NaN           NaN  2        00036110  1983-05-31     ANN  ...     NaN           NaN  3        98970110  1983-05-31     ANN  ...     NaN           NaN  4        98970110  1983-05-31     ANN  ...     NaN           NaN            ...         ...     ...  ...     ...           ...      373472   98970111  2018-12-31     ANN  ...   10.00      0.381119  373473   98970111  2018-12-31 df2         gvkey IBES_cusip0       024538   860370101       004678   337915102       066367   263578103       137024   06985P204       137024   06985P20       ...        ...833796  028955   33975610833797  061676   17737610833798  011096   92035510833799  005774   44448210833800  008286   69489010

Answer 1

您的主要问题是您的列df2中包含重复的值IBES_cusip。从你提供的样本中我可以看到

3       137024   06985P20
4       137024   06985P20

是相同的值，这会导致得到不需要的结果（输出中出现重复的行）。
尝试这个

df1 = df1.merge(df2.drop_duplicates(subset=['IBES_cusip']), how='left', on='IBES_cusip')

从技术上讲，这应该只是gvkey向您的df1.

这假设您非常确定没有相同的行与IBES_cusip不同的行匹配gvkey，否则您需要首先弄清楚这一点。