我需要帮助加入基于字符串值列的 2 个数据框

如何解决我需要帮助加入基于字符串值列的 2 个数据框

我有 2 个数据框，我需要根据两个数据框的外连接（基于列“名称”）获取一个新数据框。

姓名	总计
aabc	12
最小	32
aabd	34
最小	45
迷你	40

姓名	name2
最小	英国广播公司
aabc	sddd
aabd	棉
最小	阿斯达
薄荷	asde

输出：

姓名	name2	总计
最小	英国广播公司	32
aabc	sddd	12
aabd	棉	34
最小	阿斯达	45
迷你	NaN	40
薄荷	asde	NaN

我试图合并它们，但是在 newdf 中我有所有名称的重复项。我无法根据索引合并 dfs，因为它们具有不同的索引。

dfnew=pd.merge(df1,df2,on='name',how='outer')

我还尝试按“名称”对 dfnew 进行分组，但“总计”列显示为 0。

dfnew.groupby(['name','name2']).sum()

我已经在 IBM Db2 on Cloud 上的 SQL 中获得了想要的结果，但我无法将其保存到表中或保存为 csv 文件。 当我尝试在 jupyter notebook 中使用 SQL magic 时，我收到一个错误，指出当前不支持 RIGHT 和 FULL OUTER JOIN

%%sql 
select a.name,a.total,b.name2 
from df1 a 
full outer join df2 b 
on a.name=b.name

请帮助提供任何想法或告诉我我做错了什么。我不明白为什么合并函数无法将“名称”列中的字符串识别为相同。谢谢！

This is the merged df

This is how my SQL select table looks like

解决方法

您需要以某种方式摆脱相互冲突的索引。

我会去：

# Saving the indices:
index_1 = df1.index
index_2 = df2.index

# Removing the indices temporarily:
df1.reset_index(inplace=True)
df2.reset_index(inplace=True)
# If you index name is 'index'
df1.drop(columns=['index'])
df2.drop(columns=['index'])

# Joing
df1.set_index('name',inplace=True)
df2.set_index('name',inplace=True)
df_joined = df1.join(df2,how=outer,rsuffix='_')

# Adding the indices again
df1['index'] = index_1
df1.set_index('index',inplace=True)

df2['index'] = index_2
df2.set_index('index',inplace=True)

,

您可以创建一个临时列，然后将该列用于 mege 操作。

merged_df = (
    df1.assign(t=df1.groupby('name').cumcount()).merge(
        df2.assign(t=df2.groupby('name').cumcount()),on=['name','t'],how='outer')
    .drop('t',1)
)

输出：

   name  total name2
0  aabc   12.0  sddd
1  minc   32.0  bbcs
2  aabd   32.0  mian
3  minc   45.0  asda
4  mini   40.0   NaN
5  mint    NaN  asde