df= pd.read_csv('Thesis/ExternalData/naics_conversion_data/SIC2CRPCats.csv', \
engine='python', sep=r'\s{2,}', encoding='utf-8_sig')
我只提供了读取df
的代码,因为它有一些独特的格式问题。
df.dtypes
SICcode object
Catcode object
Category object
SICname object
MultSIC object
dtype: object
merged.dtypes
2012 NAICS Code float64
2002to2007 NAICS float64
SICcode object
dtype: object
df.columns.tolist()
['SICcode', 'Catcode', 'Category', 'SICname', 'MultSIC']
merged.columns.tolist()
['2012 NAICS Code', '2002to2007 NAICS', 'SICcode']
df.head(3)
SICcode Catcode Category SICname MultSIC
0 111 A1500 Wheat, corn, soybeans and cash grain Wheat X
1 112 A1600 Other commodities (incl rice, peanuts) Rice X
2 115 A1500 Wheat, corn, soybeans and cash grain Corn X
merged.sort_values('SICcode')
2012 NAICS Code 2002to2007 NAICS SICcode
89 212210 212210 1011
93 212234 212234 1021
92 212231 212231 1031
90 212221 212221 1041
91 212222 212222 1044
96 212299 212299 1061
94 212234 212234 1061
119 213114 213114 1081
1770 541360 541360 1081
233 238910 238910 1081
95 212291 212291 1094
97 212299 212299 1099
3 111140 111140 111
6 111160 111160 112
4 111150 111150 115
0 111110 111110 116
我将尝试使用以下代码将它们合并:
merged=pd.merge(merged,df, how='right', on='SICcode')
结果如下:2012 NAICS Code 0
2002to2007 NAICS 0
SICcode 1007
Catcode 991
Category 1007
SICname 1007
MultSIC 906
dtype: int64
我怀疑问题出在
df
的格式上,但我不知道如何描述它(我听说过空格
这个术语,也许对这种情况有所帮助),也不知道该如何解决。请问有人对此有什么想法吗?