熊猫离开加入到位

Question

我有一个大数据框df和一个小数据框，df_right有 2 列a和b. 我想在a不复制的情况下进行简单的左连接/查找df。

我想出了这段代码，但我不确定它有多健壮：

dtmp = pd.merge(df[['a']], df_right, on = 'a', how = "left")  #one col left join
df['b'] = dtmp['b'].values

我知道当有重复的键时它肯定会失败：pandas left join - 为什么会有更多的结果？

有没有更好的方法来做到这一点？

有关的：

外部合并熊猫中的两个数据框

DataFrame.merge() 中 copy=False 的确切缺点是什么？

Answer 1

你快到了。有4种情况需要考虑：

1. 双方df并df_right 没有有重复键
2. 只有df 具有重复键
3. 只有df_right 具有重复键
4. 双方df并df_right 已复制的钥匙

您的代码在第 3 和第 4 种情况下失败，因为合并扩展了df. 为了使其工作，您需要在df_right合并之前选择要放入的信息。这样做的目的是将任何合并方案强制为情况 1 或 2。

例如，如果您希望为 中的每个重复键保留“第一个”值df_right，以下代码适用于上述所有 4 种情况。

dtmp = pd.merge(df[['a']], df_right.drop_duplicates('a', keep='first'), on='a', how='left')
df['b'] = dtmp['b'].values

或者，如果列'b'的df_right数值组成，你希望有汇总统计：

dtmp = pd.merge(df[['a']], df_right.groupby('a').mean().reset_index(drop=False), on='a', how='left')
df['b'] = dtmp['b'].values