合并两个熊猫数据框（在公共列上连接）

问题描述：

我有2个数据框：

restaurant_ids_dataframe

Data columns (total 13 columns):
business_id      4503  non-null values
categories       4503  non-null values
city             4503  non-null values
full_address     4503  non-null values
latitude         4503  non-null values
longitude        4503  non-null values
name             4503  non-null values
neighborhoods    4503  non-null values
open             4503  non-null values
review_count     4503  non-null values
stars            4503  non-null values
state            4503  non-null values
type             4503  non-null values
dtypes: bool(1), float64(3), int64(1), object(8)`

和

餐厅评论框架

Int64Index: 158430 entries, 0 to 229905
Data columns (total 8 columns):
business_id    158430  non-null values
date           158430  non-null values
review_id      158430  non-null values
stars          158430  non-null values
text           158430  non-null values
type           158430  non-null values
user_id        158430  non-null values
votes          158430  non-null values
dtypes: int64(1), object(7)

我想使用 pandas 中的 DataFrame.join() 命令将这两个 DataFrame 合并为一个数据框。

我尝试过以下代码行：

#the following line of code creates a left join of restaurant_ids_frame and   restaurant_review_frame on the column 'business_id'
restaurant_review_frame.join(other=restaurant_ids_dataframe,on='business_id',how='left')

但是当我尝试这个时我收到以下错误：

Exception: columns overlap: Index([business_id, stars, type], dtype=object)

我对 Pandas 还很陌生，不知道在执行连接语句方面我做错了什么。

任何帮助都将非常感激。

解决方案 1：

您可以使用合并将两个数据框合并为一个：

import pandas as pd
pd.merge(restaurant_ids_dataframe, restaurant_review_frame, on='business_id', how='outer')

其中on指定要连接的两个数据框中都存在的字段名称，以及how
定义其内部/外部/左/右连接，其中 outer 使用“来自两个框架的键的并集（SQL：完全外连接）”。由于两个数据框中都有“star”列，因此默认情况下将在组合数据框中创建两列 star_x 和 star_y。正如 @DanAllan 提到的 join 方法，您可以通过将其作为 kwarg 传递来修改 merge 的后缀。默认值为suffixes=('_x', '_y')。如果你想做类似star_restaurant_idand 的事情star_restaurant_review，你可以这样做：

 pd.merge(restaurant_ids_dataframe, restaurant_review_frame, on='business_id', how='outer', suffixes=('_restaurant_id', '_restaurant_review'))

此链接中详细解释了这些参数。

解决方案 2：

如果 DataFrames 有一些共同的列名，则连接会失败。最简单的解决方法是包含lsuffixorrsuffix关键字，如下所示：

restaurant_review_frame.join(restaurant_ids_dataframe, on='business_id', how='left', lsuffix="_review")

这样，列就有了不同的名称。文档解决了这个问题。

或者，您可以通过在连接之前删除有问题的列来解决此问题。例如，如果 中的星星restaurant_ids_dataframe对于 中的星星来说是多余的restaurant_review_frame，您可以del restaurant_ids_dataframe['stars']。

解决方案 3：

如果有人需要尝试在索引（而不是另一列）上合并两个数据框，这也是有效的！

T1 和 T2 是具有相同索引的数据框

import pandas as pd
T1 = pd.merge(T1, T2, on=T1.index, how='outer')

PS：我不得不使用合并，因为附加会不必要地填充 NaN。

解决方案 4：

如果您想水平合并两个 DataFrame，请使用以下代码：

df3 = pd.concat([df1, df2],axis=1, ignore_index=True, sort=False)