合并两个 pandas 数据框（加入公共列）

Question

我有 2 个数据框：

restaurant_ids_dataframe

 Data columns (total 13 columns):
business_id      4503  non-null values
categories       4503  non-null values
city             4503  non-null values
full_address     4503  non-null values
latitude         4503  non-null values
longitude        4503  non-null values
name             4503  non-null values
neighborhoods    4503  non-null values
open             4503  non-null values
review_count     4503  non-null values
stars            4503  non-null values
state            4503  non-null values
type             4503  non-null values
dtypes: bool(1), float64(3), int64(1), object(8)`

和

餐厅评论框架

Int64Index: 158430 entries, 0 to 229905
Data columns (total 8 columns):
business_id    158430  non-null values
date           158430  non-null values
review_id      158430  non-null values
stars          158430  non-null values
text           158430  non-null values
type           158430  non-null values
user_id        158430  non-null values
votes          158430  non-null values
dtypes: int64(1), object(7)

我想加入这两个 DataFrame，使用 pandas 中的 DataFrame.join() 命令将它们变成一个数据帧。

我尝试了以下代码行：

 #the following line of code creates a left join of restaurant_ids_frame and   restaurant_review_frame on the column 'business_id'
restaurant_review_frame.join(other=restaurant_ids_dataframe,on='business_id',how='left')

但是当我尝试这样做时，出现以下错误：

 Exception: columns overlap: Index([business_id, stars, type], dtype=object)

我对熊猫很陌生，就执行连接语句而言，我不知道我做错了什么。

任何帮助将非常感激。

原文由 anonuser0428 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

您可以使用 merge 将两个数据帧合并为一个：

 import pandas as pd
pd.merge(restaurant_ids_dataframe, restaurant_review_frame, on='business_id', how='outer')

where on 指定存在于两个数据框中的字段名称以加入，以及 如何 定义其内部/外部/左/右连接，外部使用“来自两个框架的键的联合（SQL：完全外部连接）”。由于您在两个数据框中都有“星”列，因此默认情况下会在组合数据框中创建两列 star_x 和 star_y。正如@DanAllan 提到的 join 方法，您可以通过将其作为 kwarg 传递来修改合并的后缀。默认为 suffixes=('_x', '_y') 。如果你想做类似 star_restaurant_id 和 star_restaurant_review 的事情，你可以这样做：

  pd.merge(restaurant_ids_dataframe, restaurant_review_frame, on='business_id', how='outer', suffixes=('_restaurant_id', '_restaurant_review'))

此 链接 中详细解释了这些参数。

原文由 mlimb 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

如果 DataFrame 有一些共同的列名，则连接失败。解决它的最简单方法是包含一个 lsuffix 或 rsuffix 关键字，如下所示：

 restaurant_review_frame.join(restaurant_ids_dataframe, on='business_id', how='left', lsuffix="_review")

这样，列就有了不同的名称。该文档 解决了这个问题。

或者，您可以通过在加入之前简单地删除有问题的列来解决这个问题。例如，如果 --- 中的星星对于 restaurant_review_frame restaurant_ids_dataframe 中的星星是多余的，你可以 del restaurant_ids_dataframe['stars'] 。

原文由 Dan Allan 发布，翻译遵循 CC BY-SA 3.0 许可协议