熊猫加入问题：列重叠但未指定后缀

我有以下2个数据帧：

df_a =

     mukey  DI  PI
0   100000  35  14
1  1000005  44  14
2  1000006  44  14
3  1000007  43  13
4  1000008  43  13

df_b = 
    mukey  niccdcd
0  190236        4
1  190237        6
2  190238        7
3  190239        4
4  190240        7

当我尝试加入这两个数据框时：

join_df = df_a.join(df_b,on='mukey',how='left')

我得到错误：

*** ValueError: columns overlap but no suffix specified: Index([u'mukey'], dtype='object')

为什么会这样呢？数据帧确实具有通用的“ mukey”值。

您发布的数据片段中的错误有点神秘，因为没有通用值，所以联接操作失败，因为这些值不重叠，这需要您在左侧和右侧提供后缀：

In [173]:

df_a.join(df_b, on='mukey', how='left', lsuffix='_left', rsuffix='_right')
Out[173]:
       mukey_left  DI  PI  mukey_right  niccdcd
index                                          
0          100000  35  14          NaN      NaN
1         1000005  44  14          NaN      NaN
2         1000006  44  14          NaN      NaN
3         1000007  43  13          NaN      NaN
4         1000008  43  13          NaN      NaN

merge 之所以有效，是因为它没有此限制：

In [176]:

df_a.merge(df_b, on='mukey', how='left')
Out[176]:
     mukey  DI  PI  niccdcd
0   100000  35  14      NaN
1  1000005  44  14      NaN
2  1000006  44  14      NaN
3  1000007  43  13      NaN
4  1000008  43  13      NaN

该.join()函数正在使用index传递的参数数据集的，因此您应该改用set_index或使用.mergefunction。

请找到适合您的情况的两个示例：

join_df = LS_sgo.join(MSU_pi.set_index('mukey'), on='mukey', how='left')

要么

join_df = df_a.merge(df_b, on='mukey', how='left')

此错误表明两个表具有1个或多个具有相同列名的列名。错误消息翻译为：“我可以在两个表中看到同一列，但是您没有告诉我在将其中一个引入之前重命名了任何一个”

您要么要删除一列，然后再使用del df ['column name']从另一列中引入，要么使用lsuffix来重写原始列，或者使用rsuffix重命名要引入的列。

df_a.join(df_b, on='mukey', how='left', lsuffix='_left', rsuffix='_right')

主要是join是专门用于基于索引的联接，而不是基于属性名称的联接，因此在两个不同的数据框中更改属性名称，然后尝试联接，它们将被联接，否则会引发此错误