问题:熊猫合并-如何避免重复的列
我正在尝试在两个数据帧之间合并。每个数据帧都有两个索引级别(日期,客户)。在列中,例如,某些列在两者之间匹配(货币,日期)。
按索引合并这些内容的最佳方法是什么,但不要采用两个副本的货币和日期。
每个数据框都是90列,所以我试图避免用手将所有内容写出来。
df: currency adj_date data_col1 ...
date cusip
2012-01-01 XSDP USD 2012-01-03 0.45
...
df2: currency adj_date data_col2 ...
date cusip
2012-01-01 XSDP USD 2012-01-03 0.45
...
如果我做:
dfNew = merge(df, df2, left_index=True, right_index=True, how='outer')
我懂了
dfNew: currency_x adj_date_x data_col2 ... currency_y adj_date_y
date cusip
2012-01-01 XSDP USD 2012-01-03 0.45 USD 2012-01-03
谢谢!…
回答 0
您可以算出仅在一个DataFrame中的列,并使用它来选择合并中列的子集。
cols_to_use = df2.columns.difference(df.columns)
然后执行合并(请注意,这是一个索引对象,但是它有一个方便的tolist()
方法)。
dfNew = merge(df, df2[cols_to_use], left_index=True, right_index=True, how='outer')
这将避免合并中的任何列冲突。
回答 1
我在中使用该suffixes
选项.merge()
:
dfNew = df.merge(df2, left_index=True, right_index=True,
how='outer', suffixes=('', '_y'))
dfNew.drop(dfNew.filter(regex='_y$').columns.tolist(),axis=1, inplace=True)
谢谢@ijoseph
回答 2
以@rprog的答案为基础,可以使用负正则表达式将后缀和filter步骤的各个部分组合为一行:
dfNew = df.merge(df2, left_index=True, right_index=True,
how='outer', suffixes=('', '_DROP')).filter(regex='^(?!.*_DROP)')
或使用df.join
:
dfNew = df.join(df2, lsuffix="DROP").filter(regex="^(?!.*DROP)")
这里的正则表达式保留了所有不以单词“ DROP”结尾的内容,因此请确保使用未在各列之间出现的后缀。
回答 3
我刚接触Pandas,但是我想实现相同的目的,自动避免使用_x或_y的列名并删除重复的数据。我终于用这个做了回答,这一个从#1
sales.csv
城市;州;单位 门多西诺; CA; 1 丹佛; CO; 4 奥斯汀;德克萨斯州; 2
Revenue.csv
branch_id; city; revenue; state_id 10;奥斯丁; 100; TX 20;奥斯丁; 83; TX 30;奥斯丁; 4; TX 47;奥斯丁; 200; TX 20;丹佛; 83; CO 30;斯普林菲尔德; 4;我
merge.py导入熊猫
def drop_y(df):
# list comprehension of the cols that end with '_y'
to_drop = [x for x in df if x.endswith('_y')]
df.drop(to_drop, axis=1, inplace=True)
sales = pandas.read_csv('data/sales.csv', delimiter=';')
revenue = pandas.read_csv('data/revenue.csv', delimiter=';')
result = pandas.merge(sales, revenue, how='inner', left_on=['state'], right_on=['state_id'], suffixes=('', '_y'))
drop_y(result)
result.to_csv('results/output.csv', index=True, index_label='id', sep=';')
当执行merge命令时,我将_x
后缀替换为空字符串,并且可以删除以结尾的列_y
output.csv
id; city; state; units; branch_id; revenue; state_id 0;丹佛; CO; 4; 20; 83; CO 1; Austin; TX; 2; 10; 100; TX 2; Austin; TX; 2; 20; 83; TX 3; Austin; TX; 2; 30; 4; TX 4; Austin; TX; 2; 47; 200; TX
回答 4
可以解决这个问题,但是我编写了一个基本上处理多余列的函数:
def merge_fix_cols(df_company,df_product,uniqueID):
df_merged = pd.merge(df_company,
df_product,
how='left',left_on=uniqueID,right_on=uniqueID)
for col in df_merged:
if col.endswith('_x'):
df_merged.rename(columns = lambda col:col.rstrip('_x'),inplace=True)
elif col.endswith('_y'):
to_drop = [col for col in df_merged if col.endswith('_y')]
df_merged.drop(to_drop,axis=1,inplace=True)
else:
pass
return df_merged
似乎可以很好地与我的合并!