当pandas中没有公共列名时，我们应该如何组合多个数据集而不在行或列中重复

Question

我是数据分析的初学者，我想把3个表合并成一个没有重复行或列的表。第3列中的3个表中的一列的值都是相似的。 我有3个表'listings'，'users'，'info'。“表”中的“用户ID”和“用户ID”列中的用户ID不同。在

我尝试了以下方法，但还是得到了重复值或NaN值。在

pd.merge(listings,users,left_on='user_id',right_on='id').merge(info,left_on='user_id',right_on='id_number')

对于这种情况，我看到重复的值，而且结果中的总行数非常少。在

我试了一下海螺：

^{pr2}$

但我得到了以下错误：

TypeError: cannot concatenate object of type ""; only pd.Series, pd.DataFrame, and pd.Panel (deprecated) objs are valid

Answer 1

当您使用pd.merge而不提供how参数时，您正在对这两者执行inner联接桌子。还有由于inner联接是一种数学intersection，因此您应该看到小于或等于较小表中的行数。在

当你这么做的时候

pd.merge(listings,users,left_on='user_id',right_on='id').merge(info,left_on='user_id',right_on='id_number')

你一定有duplicate columns。两列id和{}将出现在第一次合并的结果中，当您执行第二次合并时，两列user_id和{}将出现。这些都是同一列的副本。在

如果这三个表都有相同的ID，您将不会看到重复的列。我认为你应该删除重复的列。我相信，如果您将第一次合并的结果保存在一个数据帧中，然后使用info表执行最后的合并，您就可以轻松地找出重复列的来源。在