我有 2 個數據框。df1 有 39780 行，df2 有 8900454 行我要合并的 df1 列： ['postalcode','housenumber', 'suffix'] “后綴”列包含一些 NAN。df2 列：['postalcode_right','housenumber_right', 'suffix_right', 'index_right']（名為“index_right”的列不是該數據框的索引。）df2 = pd.merge(df1, df2, how='left', left_on=['postalcode','housenumber', 'suffix'], right_on = ['postalcode_right','housenumber_right', 'suffix_right'])因為 df1.suffix 包含 NAN 右邊的一些行匹配左邊的多行。如何防止這種情況或清除多次匹配的行的“index_right”值？
1 回答
qq_笑_17
TA貢獻1818條經驗 獲得超7個贊
您不應該尋找按空值分組。一方面，從分析的角度來看，這沒有多大意義。
您可以將您的NA值轉換為填充字符串，例如'NULL'：
left_cols = ['postalcode', 'housenumber', 'suffix']
right_cols = ['postalcode_right', 'housenumber_right', 'suffix_right']]
df1[left_cols] = df1[left_cols].fillna('NULL')
df2[right_cols] = df2[right_cols].fillna('NULL')
然后right在合并之前刪除數據框中的重復項：
res = pd.merge(df1, df2.drop_duplicates(subset=right_cols),
how='left', left_on=left_cols, right_on=right_cols)
這將確保res與df1.
添加回答
舉報
0/150
提交
取消