我有两个数据帧要合并,但我的键列包含重复项。数据帧如下所示:
Name,amount,id
John,500.25,GH10
Helen,1250.00,GH11
Adam,432.54,GH11
Sarah,567.12,GH12
Category,amount,id
Food,500.25,GH10
Travel,1250.00,GH11
Food,432.54,GH11
我正在执行它与外部联接的合并,以包括合并表中的所有内容:
merged_table = pd.merge(df1,df2,on="id",how='outer')
我的输出是:
Name,amount_x,id,category,amount_y
John,500.25,GH10,Food,500.25
Helen,1250.00,GH11,Travel,1250.00
Helen,1250.00,GH11,Food,432.54
Adam,432.54,GH11,Travel,1250.00
Adam,432.54,GH11,Food,432.54
Sarah,567.12,GH12
然而,我想要的输出是:
Name,amount_x,id,category,amount_y
John,500.25,GH10,Food,500.25
Helen,1250.00,GH11,Travel,1250.00
Adam,432.54,GH11,Food,432.54
Sarah,567.12,GH12
因此,这里发生的情况是,每个具有重复键的记录都与其他表上的每个记录匹配,因此输出有4行而不是2行,而中间的这两行(第2行和第3行(是不需要的。
因此,我想到的解决方案是:
防止以某种方式创建重复的行。在合并之前,我不能使用drop_duplicates((,因为这样我会排除一些带有doubled键的行。但是另一列Amount在两个表上应该有相同的2个值,但它们之间存在差异的可能性很小。
以与我相同的方式使用merge,但如果ID重复,则删除第2行和第3行,保留第1行和第4行,因为随着匹配的进行,df1中的第一行与df2中的第一行将连接,然后是df2中第二行,然后是df1中的第二行与df2中的第一行连接,然后与第二行连接,第1行与第4行才是正确的。
我想在这里使用.apply((并编写一些lambda函数,但我真的无法理解应该如何正确编写它。
我建议通过cumcount
创建新的辅助列来计数id
值,然后通过以下值合并:
df1['g'] = df1.groupby('id').cumcount()
df2['g'] = df2.groupby('id').cumcount()
merged_table = pd.merge(df1,df2,on=["id", 'g'],how='outer')
print (merged_table)
Name amount_x id g Category amount_y
0 John 500.25 GH10 0 Food 500.25
1 Helen 1250.00 GH11 0 Travel 1250.00
2 Adam 432.54 GH11 1 Food 432.54
3 Sarah 567.12 GH12 0 NaN NaN
最后删除id
:
merged_table = pd.merge(df1,df2,on=["id", 'g'],how='outer').drop('g', axis=1)
print (merged_table)
Name amount_x id Category amount_y
0 John 500.25 GH10 Food 500.25
1 Helen 1250.00 GH11 Travel 1250.00
2 Adam 432.54 GH11 Food 432.54
3 Sarah 567.12 GH12 NaN NaN
详细信息:
print (df1)
Name amount id g
0 John 500.25 GH10 0
1 Helen 1250.00 GH11 0
2 Adam 432.54 GH11 1
3 Sarah 567.12 GH12 0
print (df2)
Category amount id g
0 Food 500.25 GH10 0
1 Travel 1250.00 GH11 0
2 Food 432.54 GH11 1
在您的输出(merge
之后(上,您可以在下面应用。同样,在一次拍摄中,我们可以做到,但我建议你想办法。给你提示。。。
>>> df.drop_duplicates('Name',keep='first')
Name amount_x id category amount_y
0 John 500.25 GH10 Food 500.25
1 Helen 1250.00 GH11 Travel 1250
3 Adam 432.54 GH11 Travel 1250
5 Sarah 567.12 GH12