缺少数据合并

我只是在公共列合并两个dataframes：在这种情况下缺少数据合并

df1 

        email       account 
0     [email protected]     555 
1     [email protected]      666 
2     [email protected]      Nan 
3     [email protected]      999 


df2 (i think ip is index here) 

ip    account 
1.1.1.1   555 
2.2.2.2   666 
. 
. 


df3= pd.merge(df1,df2,on='accountname')

，我已经丢失的数据。我怎样才能避免这种情况？

来源

2017-10-17 Jasmin

DF3 = pd.merge（df1.dropna（），df2.dropna（），开= '帐户名'，如何=”内部“） –

你没有accountname字段，你知道吗？ –

可以哟，请更新一个更好的数据样本。这两个输入和输出，使用[本文]（https://stackoverflow.com/questions/20109391/how-to-make-good-reproducible-pandas-examples）作为如何添加dataframs到SO – DJK

pd.merge(df1,df2,on='accountname',how='left')

或者

pd.merge(df1,df2,on='accountname',how='inner')

编辑：让我们看看你的样本数据，则merge海峡与诠释。那为什么所有NaN

df1.applymap(type) 
Out[96]: 
      email  account 
0 <class 'str'> <class 'str'> 
1 <class 'str'> <class 'str'> 
2 <class 'str'> <class 'str'> 
3 <class 'str'> <class 'str'> 
df2.applymap(type) 
Out[97]: 
       account 
ip      
1.1.1.1 <class 'int'> 
2.2.2.2 <class 'int'>

如何做到这一点：

选项1

变化str到numeric使用pd.to_numeric

df1.account=pd.to_numeric(df1.account,errors ='coerce') 
df1.applymap(type) 
Out[99]: 
      email   account 
0 <class 'str'> <class 'float'> 
1 <class 'str'> <class 'float'> 
2 <class 'str'> <class 'float'> 
3 <class 'str'> <class 'float'> 

df1.merge(df2.reset_index(),on=['account'],how='left') 


Out[101]: 
      email account  ip 
0 [email protected]  555 1.1.1.1 
1 [email protected]  666 2.2.2.2 
2 [email protected]  NaN  NaN 
3 [email protected]  999  NaN

选项2

我们只是改变df2.account到str（我更喜欢使用第一pd.to-numeric）

df2.account=df2.account.astype(str) 
df1.merge(df2.reset_index(),on=['account'],how='left') 
Out[105]: 
      email account  ip 
0 [email protected]  555 1.1.1.1 
1 [email protected]  666 2.2.2.2 
2 [email protected]  Nan  NaN 
3 [email protected]  999  NaN

来源

2017-10-17 21:41:08 Wen

我仍然有缺失的数据'df1：电子邮件帐户'和'df2：帐户ip'这么简单，但我不知道为什么我从df2合并后缺少数据 – Jasmin

@poço显示您的示例数据plz – Wen

@poço检查我的更新，抱歉回复，刚完成我自己的工作，PS：如果它为你工作，你可以upvoted并接受:) – Wen

缺少数据合并

回答

相关问题