熊猫合并具有不同名称的列并避免重复[重复]

Posted 2023-02-23

【中文标题】熊猫合并具有不同名称的列并避免重复[重复]

【英文标题】：pandas merge on columns with different names and avoid duplicates [duplicate]

【发布时间】：2017-02-20 12:04:59

【问题描述】：

如何将两个 pandas DataFrames 合并到具有不同名称的两列上并保留其中一列？

df1 = pd.DataFrame('UserName': [1,2,3], 'Col1':['a','b','c'])
df2 = pd.DataFrame('UserID': [1,2,3], 'Col2':['d','e','f'])
pd.merge(df1, df2, left_on='UserName', right_on='UserID')

这提供了一个像这样的DataFrame

但显然我正在合并UserName 和UserID，所以它们是相同的。我希望它看起来像这样。有什么干净的方法可以做到这一点吗？

只有我能想到的方法是在合并之前将列重命名为相同，或者在合并后删除其中一个。如果 pandas 自动丢弃其中一个我会很好，或者我可以做类似的事情

pd.merge(df1, df2, left_on='UserName', right_on='UserID', keep_column='left')

【参考方案1】：

如何将UserID 设置为索引，然后加入第二个数据帧的索引？

pd.merge(df1, df2.set_index('UserID'), left_on='UserName', right_index=True)

#   Col1    UserName    Col2
# 0    a           1       d
# 1    b           2       e
# 2    c           3       f

【讨论】：

很好的答案。我做了几乎完全一样的 OP 并得到了冗余列。从您的代码中读取，我认为如果我通过索引连接左右，该列将“合并”到索引列中，因此不会显示在结果中？谢谢。

【参考方案2】：

其中没有什么特别好的：它的目的是保留列，因为较大的情况，如左右连接或外连接，会带来两列的额外信息。不要试图过度设计你的合并线，按照你的建议明确

解决方案 1：

df2.columns = ['Col2', 'UserName']

pd.merge(df1, df2,on='UserName')
Out[67]: 
  Col1  UserName Col2
0    a         1    d
1    b         2    e
2    c         3    f

解决方案 2：

pd.merge(df1, df2, left_on='UserName', right_on='UserID').drop('UserID', axis=1)
Out[71]: 
  Col1  UserName Col2
0    a         1    d
1    b         2    e
2    c         3    f

【讨论】：

请注意，解决方案 2 很危险 - 如果 df1 碰巧也有一个（可能不相关的）UserID 列，这将不起作用。我实际上在现实生活中的应用程序中遇到过这种情况。在这种情况下，解决方案 2 实际上会引发错误，因为将有 no 列名为“UserID”，只有“UserID_x”和“UserID_y”！