从我所了解的左外连接,得到的表不应该有比左表更多的行...请让我知道如果这是错误的... ...大熊猫左外连接结果表大于左表
我的左表是192572行和8列。
我的权利表是42160行和5列。
我的左表有一个名为'id'的字段,它与我右表中名为'key'的列相匹配。
因此,我将它们合并为这样:
combined = pd.merge(a,b,how='left',left_on='id',right_on='key')
但随后的组合形状为236569.
我是什么误会?
从我所了解的左外连接,得到的表不应该有比左表更多的行...请让我知道如果这是错误的... ...大熊猫左外连接结果表大于左表
我的左表是192572行和8列。
我的权利表是42160行和5列。
我的左表有一个名为'id'的字段,它与我右表中名为'key'的列相匹配。
因此,我将它们合并为这样:
combined = pd.merge(a,b,how='left',left_on='id',right_on='key')
但随后的组合形状为236569.
我是什么误会?
您可以预计这将增加,如果键在其他数据帧匹配多于一行:
In [11]: df = pd.DataFrame([[1, 3], [2, 4]], columns=['A', 'B'])
In [12]: df2 = pd.DataFrame([[1, 5], [1, 6]], columns=['A', 'C'])
In [13]: df.merge(df2, how='left') # merges on columns A
Out[13]:
A B C
0 1 3 5
1 1 3 6
2 2 4 NaN
为了避免DF2这种行为drop the duplicates:
In [21]: df2.drop_duplicates(subset=['A']) # you can use take_last=True
Out[21]:
A C
0 1 5
In [22]: df.merge(df2.drop_duplicates(subset=['A']), how='left')
Out[22]:
A B C
0 1 3 5
1 2 4 NaN
有一种方法可以抑制这种情况?在你的例子中,我不需要看到第0行或第1行,只能看到2行中的一行...... –
@Chowza yup,删除重复项,编辑答案以反映这一点。 –
谢谢,这将工作。 –
你可以张贴一些最起码的数据演示这个(请不要全部200k)? –
@PaulH问题是,我无法找到它这样做的原因......当我在代码的一小部分上使用此“pd.merge”时,生成的表的确只有左表的大小 –