是否将所有joincolumn数据放在一个输出列而不是两个输出列下？

Question

我有两个CSV文件，具有以下模式：

CSV1列：

"Id","First","Last","Email","Company"

CSV2列：

"PersonId","FirstName","LastName","Em","FavoriteFood"

如果我将它们分别加载到Pandas数据帧中并执行newdf = df1.merge(df2, how='outer', left_on=['Last', 'First'], right_on=['LastName','FirstName'])

然后，联接数据帧的CSV导出具有以下架构：

"Id","First","Last","Email","Company","PersonId","FirstName","LastName","Em","FavoriteFood"

• 所有只在CSV1中的行都在下面打印了名字 “首先。”
• 所有只在CSV2中出现的行都在下面打印了名字 “名字。”
• 两个CSV文件中的所有行都有第一个 名称（完全相同的值-这是意料之中的，因为它是一个 “join on”值）打印在两列下
• “Last”的问题相同&姓氏。“

我想要的是更像这样的输出模式：

"Id","First","Last","Email","Company","PersonId","Em","FavoriteFood"

• 它应该在“first”列下有所有的“first name”（相当于“Last”）

我所熟悉的大多数关系数据库软件都是这样的（左边的join列名赢得了命名战）。熊猫有语法来指示它这样做吗

我可以做df1.merge(df2.rename(columns = {'LastName':'Last', 'FirstName':'First'}), how='outer', on=['Last', 'First'])，但从风格上讲，在源代码中硬编码两次相同的列名会让我发疯。如果我更改CSV文件中的列名，就更难修复了

Answer 1

一种方法是以相同的方式合并，但删除要删除的列

newdf.drop(['LastName','FirstName'], 1, inplace=True)