熊猫加入问题：列重叠但未指定后缀

Question

我有以下两个数据帧：

df_a =

     mukey  DI  PI
0   100000  35  14
1  1000005  44  14
2  1000006  44  14
3  1000007  43  13
4  1000008  43  13

df_b = 
    mukey  niccdcd
0  190236        4
1  190237        6
2  190238        7
3  190239        4
4  190240        7

当我尝试连接这两个数据帧时：

join_df = df_a.join(df_b,on='mukey',how='left')

我知道错误：

*** ValueError: columns overlap but no suffix specified: Index([u'mukey'], dtype='object')

为什么会这样？数据帧确实有公共的“mukey”值。

Answer 1

.join()函数正在使用作为参数数据集传递的index，因此您应该使用set_index或使用.merge函数。

请找出两个适用于您的案例的例子：

join_df = LS_sgo.join(MSU_pi.set_index('mukey'), on='mukey', how='left')

或者

join_df = df_a.merge(df_b, on='mukey', how='left')

Answer 2

此错误表示这两个表具有一个或多个具有相同列名的列名。错误信息转换为：“我可以在两个表中看到相同的列，但在引入其中一个表之前，您也没有告诉我重命名”

您可以在使用del df['column name']从另一列引入前删除其中一列，或者使用lsuffix重新写入原始列，或者使用rsuffix重命名正在引入的列。

df_a.join(df_b, on='mukey', how='left', lsuffix='_left', rsuffix='_right')

Answer 3

您在发布的数据片段上的错误有点晦涩，因为没有公共值，连接操作失败，因为这些值没有重叠它要求您为左侧和右侧提供一个后缀：

In [173]:

df_a.join(df_b, on='mukey', how='left', lsuffix='_left', rsuffix='_right')
Out[173]:
       mukey_left  DI  PI  mukey_right  niccdcd
index                                          
0          100000  35  14          NaN      NaN
1         1000005  44  14          NaN      NaN
2         1000006  44  14          NaN      NaN
3         1000007  43  13          NaN      NaN
4         1000008  43  13          NaN      NaN

merge有效，因为它没有此限制：

In [176]:

df_a.merge(df_b, on='mukey', how='left')
Out[176]:
     mukey  DI  PI  niccdcd
0   100000  35  14      NaN
1  1000005  44  14      NaN
2  1000006  44  14      NaN
3  1000007  43  13      NaN
4  1000008  43  13      NaN