python - Pandas 数据框使用多列连接

Question

我正在使用多列进行数据框外连接：

DF1：

ColumnA ColumnB ColumnC ColumnD
1          2      3        4
1          2      3        4

DF2：

ColumnE ColumnF ColumnG ColumnH
1          2      3        4
1          2      3        4

合并代码：

df= pd.merge(DF1, DF2, left_on=['ColumnA','ColumnB','ColumnC','ColumnD'], right_on=['ColumnE','ColumnF','ColumnG','ColumnH'], how='outer')

实际结果：

ColumnA ColumnB ColumnC ColumnD ColumnE ColumnF ColumnG ColumnH
1        2       3       4         1      2       3       4
1        2       3       4         1      2       3       4
1        2       3       4         1      2       3       4
1        2       3       4         1      2       3       4

预期结果（值应仅显示两次，因为列组合在两个数据集中完全匹配）：

ColumnA ColumnB ColumnC ColumnD ColumnE ColumnF ColumnG ColumnH
1        2       3       4         1      2       3       4
1        2       3       4         1      2       3       4

有人可以建议我哪里出错了吗？

标签： pythonpandasdataframe

Answer 1

df1您在和上都有相同的重复项df2，因此每个重复项的合并df行数加倍。简单的解决方案是保持一个数据帧的唯一性，drop_duplicates并且merge

df = pd.merge(df1.drop_duplicates(), df2, left_on=['ColumnA','ColumnB' ,'ColumnC','ColumnD'], right_on=['ColumnE','ColumnF','ColumnG','ColumnH'], how='outer')

Out[742]:
   ColumnA  ColumnB  ColumnC  ColumnD  ColumnE  ColumnF  ColumnG  ColumnH
0        1        2        3        4        1        2        3        4
1        1        2        3        4        1        2        3        4