如何在上按两列合并数据帧

Question

我有两个数据帧。第一个包含关于订单的数据：df\u 1，列为['uid'、'revenue'、'order\u day']，共50415行。第二个包含关于访问的信息：df\u 2，列为['uid'，'source'，'session\u day'，行数为358532。我想从访客的数据框中得到客户的来源。我试图通过两列来合并数据帧：result = df_1.merge(df_2, how=left ,left_on=['uid','order_day'],right_on=['uid','session_day'])，但结果是得到62369行，'revenue'列的总和增加了。我不明白为什么会这样。当我写how='left'时，我希望左边的dfu 1是不变的，并且将添加在dfu 2中的'uid'和'..._day'中相似的行。有人能解释一下为什么我没有得到预期的结果，以及我应该怎么做吗？如有任何评论，我们将不胜感激

Answer 1

合并结果中的行数超过df\u 1 可以通过以下示例进行解释：

数据框1包含2行：

   uid  revenue   order_day
0  111   200.01  2019-09-01
1  111   300.00  2019-09-02

数据框2包含5行：

   uid  source session_day
0  111   100.0  2019-09-01
1  111   200.0  2019-09-01
2  111   300.0  2019-09-02
3  111   400.5  2019-09-02
4  222   100.0  2019-09-03

请注意，它包含：

• 两行，uid==111和session\u day==2019-09-01， 它将与df_1中索引为0的行合并
• 两行，uid==111和session\u day==2019-09-02， 它将与df_1中索引为1的行合并

这就是为什么合并的结果是：

   uid  revenue   order_day  source session_day
0  111   200.01  2019-09-01   100.0  2019-09-01
1  111   200.01  2019-09-01   200.0  2019-09-01
2  111   300.00  2019-09-02   300.0  2019-09-02
3  111   300.00  2019-09-02   400.5  2019-09-02

可能您假设合并是按以下方式执行的：

• 从df_1中取一行
• 在df_2中查找具有匹配联接列的单个行
• 如果找到，将合并结果（对于这两行）添加到结果中
• 对df_1中的下列行重复整个过程

实际上，“左”合并是以另一种方式执行的：

• 从df_1取一行（我们称之为基本行）
• 对于df_2中具有匹配联接列（如果找到）的每一行 在结果中生成一行，包括：
  • 来自基本行的内容（来自df_1）
  • 当前行的内容（来自df_2）

如果要将df_1中的每一行与合并，最多1行 从df_2开始，您必须从drop_duplacates开始，从df_2开始，使用subset 包含合并列