python - 合并两个数据框并保留唯一列

Question

我有这两个数据框:

第一个 df

#df1 -----

    location            Ethnic Origins       Percent(1)
0   Beaches-East York   English              18.9 
1   Davenport           Portuguese           22.7
2   Eglinton-Lawrence   Polish               12.0

第二个df

 #df2 -----

    location                                            lat        lng
0   Beaches—East York, Old Toronto, Toronto, Golde...   43.681470   -79.306021
1   Davenport, Old Toronto, Toronto, Golden Horses...   43.671561   -79.448293
2   Eglinton—Lawrence, North York, Toronto, Golden...   43.719265   -79.429765

预期输出:

我想使用 #df1 的位置列，因为它更干净并保留所有其他列。我不需要位置栏中的城市、国家/地区 信息。

    location            Ethnic Origins   Percent(1)  lat       lng
0   Beaches-East York   English          18.9        43.681470  -79.306021
1   Davenport           Portuguese       22.7        43.671561  -79.448293
2   Eglinton-Lawrence   Polish           12.0        43.719265  -79.429765

我尝试了几种方法来合并它们，但都无济于事。

这会为所有纬度和经度行返回一个 NaN

df3 = pd.merge(df1, df2, on="location", how="left")

这会为所有 Ethnic 和 Percent 行返回一个 NaN

df3 = pd.merge(df1, df2, on="location", how="right")

Answer 1

正如其他人所指出的，问题在于“位置”列不共享任何值。一个解决方案是使用正则表达式去除以第一个逗号开始并延伸到字符串末尾的所有内容:

df2.location = df2.location.replace(r',.*', '', regex=True)

使用您提供的确切数据仍然行不通，因为您在两个数据框中有不同种类的破折号。您可以用类似的方式解决这个问题(这次不需要正则表达式):

df2.location = df2.location.replace('—', '-')

然后按照你的建议合并

df3 = pd.merge(df1, df2, on="location", how="left")