107

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

restaurant_review_frame

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)

我想使用 pandas 中的 DataFrame.join() 命令将这两个 DataFrame 连接成一个单独的数据框。

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')

但是当我尝试这个时，我得到以下错误：

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

我对 pandas 很陌生，就执行 join 语句而言，我不知道我做错了什么。

任何帮助将非常感激。

4

3 回答 3

154

您可以使用合并将两个数据框合并为一个：

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

其中on指定两个数据帧中存在的字段名称以加入，以及如何 定义其内部/外部/左/右联接，外部使用“来自两个帧的键的联合（SQL：完全外部联接）。” 由于您在两个数据框中都有“星”列，因此默认情况下，这将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_idand的事情star_restaurant_review，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参数。

于 2013-09-14T08:11:16.573 回答
26

如果 DataFrame 有一些共同的列名，则加入失败。最简单的解决方法是包含一个lsuffixorrsuffix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 中的星号与 中的星号restaurant_ids_dataframe相比是多余的，则restaurant_review_frame可以del restaurant_ids_dataframe['stars'].

于 2013-09-13T18:39:35.600 回答
20

如果有人需要尝试在索引（而不是另一列）上将两个数据帧合并在一起，这也可以！

T1 和 T2 是具有相同索引的数据帧

import pandas as pd
T1 = pd.merge(T1, T2, on=T1.index, how='outer')

PS我不得不使用合并，因为附加会不必要地填充NaN。

于 2013-11-12T19:14:07.657 回答