Pandas：合并后的DataFrame过长

Question

假设我有两个数据框，其中一个比另一个长，我想在特定列上将它们连接起来，就像以下示例：

A = pd.DataFrame({'col1': [1, 2, 3, 4, 5], 'col2': [6, 7, 8, 9, 10], 'col3': [11, 12, 13, 14, 15]})

B = pd.DataFrame({'col1': [1, 3, 5], 'col2': [16, 17, 18], 'col4': [19, 20, 21]})

然后我使用以下方法将它们组合起来：

pd.merge(A, B, on='col1', how='outer')

并如预期地获得：

       col1     col2_x  col3    col2_y  col4
0       1       6       11      16      19
1       2       7       12      NaN     NaN
2       3       8       13      17      20
3       4       9       14      NaN     NaN
4       5       10      15      18      21

5 rows × 5 columns

然而，我有两个数据框需要合并，分别有28,011行和15,676行。按照上述方法合并它们，我希望得到一个具有28,011行的数据框，并在df2中没有观察值的单元格中获得NaN。但实际上发生的是：

len(pd.merge(df1, df2, on='col1', how='outer'))
  51881

这怎么可能呢？我要合并的列是唯一标识符，在Stata中进行相同的操作没有问题。我在这里漏掉了什么？

- Nils Gudat

---

你好像希望使用 how='left'？这样的外连接会包含 df2 中所有在 df1 中找不到匹配的观测值。还有，请确认一下 col1 列中是否存在重复值。 - chrisb

如果你在包含NaN的键上进行合并，可能会得到意想不到的行数。 - BSalita

Answer 1

听起来你需要进行左连接。

尝试使用以下语句：

pd.merge(df1, df2, left_on='col1',right_on='col1',how='left')

- Liam Foley

---

我也这样想，但是，唉，不行：len(pd.merge(df1, df2, left_on='col1', right_on='col1', how='left'))给出的结果是51881，len(pd.merge(df1, df2, left_on='col1', right_on='col1', how='inner'))则是46249。似乎没有选项可以将较小的数据框合并到较大的数据框中，同时保留较大的数据框长度。 - Nils Gudat

我犯了个错误，我要合并的那一列实际上包含了一些重复的值，所以为了确切地识别，我需要在两列上进行合并。最后通过使用pd.merge(df1, df2, on=['col1','col2'], how='left')成功解决了问题！ - Nils Gudat