Pandas：合并后数据帧太长

Question

假设我必须使用一个比另一个长的 DataFrames，我想加入特定的列，如下例所示：

A = pd.DataFrame({'col1': [1, 2, 3, 4, 5], 'col2': [6, 7, 8, 9, 10], 'col3': [11, 12, 13, 14, 15]})

B = pd.DataFrame({'col1': [1, 3, 5], 'col2': [16, 17, 18], 'col4': [19, 20, 21]})

然后我加入他们：

pd.merge(A, B, on='col1', how='outer')

并按预期获得：

       col1     col2_x  col3    col2_y  col4
0       1       6       11      16      19
1       2       7       12      NaN     NaN
2       3       8       13      17      20
3       4       9       14      NaN     NaN
4       5       10      15      18      21

5 rows × 5 columns

但是，我有两个要合并的 DataFrame，分别有 28,011 和 15,676 行。以与上述相同的方式合并它们，我希望在 df2 没有观察到的那些单元格中返回一个包含 28,011 行和 NaN 的 DataFrame。发生的事情是这样的：

len(pd.merge(df1, df2, on='col1', how='outer'))
  51881

这怎么可能？我正在合并的列是一个唯一标识符，并且在 Stata 中执行相同的操作没有问题。我在这里缺少什么？

Answer 1

听起来你想要一个左连接。

尝试：

pd.merge(df1, df2, left_on='col1',right_on='col1',how='left')