python - 如何避免 Pandas.Merge 上出现多列

Question

假设我在 Pandas 上有以下 DataFrame:

In [7]: A= pd.DataFrame([['foo'],['bar'],['quz'],['baz']],columns=['key'])

In [8]: A['value'] = 'None'

In [9]: A
Out[9]:
   key value
0  foo  None
1  bar  None
2  quz  None
3  baz  None

In [10]: B = pd.DataFrame([['foo',5],['bar',6],['quz',7]],columns= ['key','value'])

In [11]: B
Out[11]:
   key  value
0  foo      5
1  bar      6
2  quz      7

In [12]: pd.merge(A,B, on='key', how='outer')
Out[12]:
   key value_x  value_y
0  foo    None        5
1  bar    None        6
2  quz    None        7
3  baz    None      NaN

但我想要的是(基本上避免重复列):

   key  value
0  foo  5
1  bar  6
2  quz  7
3  baz  NaN

我想我可以获取输出并删除 _x 值并重命名 _y 但这似乎有点矫枉过正。在 SQL 上，这将是微不足道的。

编辑:

约翰推荐使用:

In [1]: A.set_index('key', inplace=True)
        A.update(B.set_index('key'), join='left', overwrite=True)
        A.reset_index(inplace=True)

这有效并且符合我的要求。

Answer 1

在示例中，您将两个数据框与同一列合并，其中一个包含字符串(“无”)，其他为整数，pandas 不知道您想要保留哪一列值以及应该替换哪一列值，因此它创建了一个两者的列。

您可以使用更新代替

In [10]: A.update(B, join='left', overwrite=True)
In [11]: A
Out[11]:

    key value
0   foo 5
1   bar 6
2   quz 7
3   baz NaN

另一种解决方案是仅声明给定列所需的值:

In [15]: A.loc[B.index, 'value'] = B.value
In [16]: A
Out[16]:

    key value
0   foo 5
1   bar 6
2   quz 7
3   baz NaN

我个人更喜欢第二种解决方案，因为我确切地知道发生了什么，但第一个解决方案可能更接近您在问题中寻找的内容。

编辑:

如果索引不匹配，我不太确定如何实现这一点。因此我建议让它们匹配:

In [1]: A.set_index('key', inplace=True)
        A.update(B.set_index('key'), join='left', overwrite=True)
        A.reset_index(inplace=True)

可能有更好的方法来做到这一点，但我不相信 pandas 有办法直接执行此操作。

第二种解决方案也可以与更新后的索引一起使用:

In [24]: A.set_index('key', inplace=True)
         A.loc[B.key, 'value'] = B.value.tolist()