对字符串列执行pd.merge时出现键错误

Question

在两个数据帧上执行合并时遇到问题

我的数据如下，其中一个数据集包含121种不同指示物种的140000个发生记录，例如：

taxon
spp1
spp1
spp118
spp98
spp64
spp119

另一个包含121个物种的列表，带有数字分数，例如：

taxon  score
spp1   8
spp2   4
spp3   2
spp4   7
...
spp118 4
spp119 2
spp120 1
spp121 8

我希望使用分类单元列作为连接字段将分数列连接到数据集，以便进行后续分析，我设想如下输出：

taxon  score
spp1   8
spp1   8
spp118 4
spp98  6
spp64  2
spp119 2

到目前为止，我尝试了以下方法：

data_in1 = pd.read_csv(r'occourence_list.csv', encoding='utf-8')
df1 = pd.DataFrame(data_in1)
df1['taxon'] = df1['taxon'].astype(str)
print(df1.head())
print(df1.dtypes)

data_in2 = pd.read_csv(r'score_list.csv', encoding='utf-8')
df2 = pd.DataFrame(data_in2)
df2['taxon'] = df2['taxon'].astype(str)
print(df2.head())
print(df2.dtypes)

result = pd.merge(df1,
                  df2[['iapa_score']],
                  left_on=['taxon'],
                  right_on=['taxon'],
                  how='outer')

print(result.head())

但是，这将返回以下错误：

Traceback (most recent call last):
  File "C:/Users/", line 19, in <module>
    how='outer')
  File "C:\Program Files\ArcGIS\Pro\bin\Python\envs\arcgispro-py3\lib\site-packages\pandas\core\reshape\merge.py", line 47, in merge
    validate=validate)
  File "C:\Program Files\ArcGIS\Pro\bin\Python\envs\arcgispro-py3\lib\site-packages\pandas\core\reshape\merge.py", line 529, in __init__
    self.join_names) = self._get_merge_keys()
  File "C:\Program Files\ArcGIS\Pro\bin\Python\envs\arcgispro-py3\lib\site-packages\pandas\core\reshape\merge.py", line 833, in _get_merge_keys
    right._get_label_or_level_values(rk))
  File "C:\Program Files\ArcGIS\Pro\bin\Python\envs\arcgispro-py3\lib\site-packages\pandas\core\generic.py", line 1706, in _get_label_or_level_values
    raise KeyError(key)
KeyError: 'taxon'

Answer 1

我偶然发现了一个解决方案，我改变了：

result = pd.merge(df1,
                  df2[['iapa_score']],
                  left_on=['taxon'],
                  right_on=['taxon'],
                  how='outer')

到

result = pd.merge(df1,
                  df2,
                  left_on=['taxon'],
                  right_on=['taxon'],
                  how='outer')

它成功了。我的印象是，第二个数据帧之后[]内的列名暗示了您希望加入的列

Answer 2

在我看来，问题来自这一行df2[['iapa_score']]，因为如果您将数据帧限制为“iapa_score”列，“taxon”列将不再出现，因此出现“keyrerror”。您还应该在合并中使用参数how='left'，因为您只想保留来自df1的行

我自己创建了2个数据帧来重现您的情况，请看一下：

df1 = pd.DataFrame({'taxon': ["spp1", "spp1", "spp3"]})
df2 = pd.DataFrame({'taxon': ["spp1", "spp2", "spp3", "spp4"], 'score': ["8", "7", "6", "17"]})
result = pd.merge(df1,
                  df2,
                  left_on=['taxon'],
                  right_on=['taxon'],
                  how='left')
print(result)

df1：

  taxon
0  spp1
1  spp1
2  spp3

df2：

  taxon score
0  spp1     8
1  spp2     7
2  spp3     6
3  spp4    17

结果:

  taxon score
0  spp1     8
1  spp1     8
2  spp3     6