合并两个熊猫数据框（在同一列上连接）

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)

我想使用熊猫中的DataFrame.join（）命令将这两个DataFrame合并为一个单独的数据框。

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')

但是当我尝试这样做时，出现以下错误：

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

我对熊猫很陌生，不知道就执行join语句而言我在做什么错。

任何帮助将非常感激。

您可以使用merge将两个数据帧合并为一个：

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

其中on指定使用两个连接的数据帧中都存在的字段名称，以及如何 定义其内部/外部/左/右连接，而外部使用“来自两个框架的键的统一（SQL：完全外部连接）”。由于两个数据框中都具有“ star”列，因此默认情况下将在组合数据框中创建两列star_x和star_y。正如@DanAllan在join方法中提到的那样，您可以通过将后缀作为kwarg传递来修改后缀以进行合并。默认值为suffixes=('_x', '_y')。如果您想做类似star_restaurant_id和的操作star_restaurant_review，则可以执行以下操作：

 pd.merge(restaurant_ids_dataframe, restaurant_review_frame, on='business_id', how='outer', suffixes=('_restaurant_id', '_restaurant_review'))

在此链接中详细说明了参数。

如果DataFrame具有一些共同的列名，则连接失败。解决这个问题的最简单方法是包含一个lsuffixorrsuffix关键字，如下所示：

restaurant_review_frame.join(restaurant_ids_dataframe, on='business_id', how='left', lsuffix="_review")

这样，这些列具有不同的名称。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此问题。例如，如果inrestaurant_ids_dataframe中的星星比in中的星星多余，则restaurant_review_frame可以del restaurant_ids_dataframe['stars']。

如果有人需要尝试将索引上的两个数据框合并在一起（而不是另一列），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我必须使用合并，因为append会不必要地填充NaN。