多重索引无重叠时内连接失败

Question

我在使用多重索引时，无法让“空”的内连接正常工作。在0.10.1版本中，我有：

d1 = pd.DataFrame({
    'i1': [1, 2, 2],
    'i2': [1, 1, 2],
     'a': [10,20,30]}).set_index(['i1', 'i2'])
d2 = pd.DataFrame({
    'i1': [3, 3],
    'i2': [1, 2],
    'b': [40, 50]}).set_index(['i1', 'i2'])
d1.join(d2, how='inner')

这段代码给我返回了

Exception: Cannot infer number of levels from empty list

有没有什么好的解决办法呢？我想提前知道交集是否为空，这样我就可以避免出现异常。

Answer 1

在这个问题中，我通过逐块合并来自HDFstore的多重索引节点来解决了for循环中的问题。虽然我的解决办法看起来不太优雅，但可能对其他人将来会有帮助。

import pandas as pd
d1 = pd.DataFrame({
    'i1': [1, 2, 2],
    'i2': [1, 1, 2],
     'a': [10,20,30]}).set_index(['i1', 'i2'])
d2 = pd.DataFrame({
    'i1': [3, 3],
    'i2': [1, 2],
    'b': [40, 50]}).set_index(['i1', 'i2'])
for x in y:
    try:
        d3 = d1.join(d2, how='inner')
    except Exception:            
        print "no merge possible between rows, but let's continue"
        d3 = d1.join(d2, how='outer').dropna()
    if len(d3)
        print "there's a merge"
        #action
    print "fail, but still in the race"

Answer 2

我不是百分之百确定，但做一个外连接然后去掉空值（NAs），其实和做一个内连接是一样的。所以如果没有匹配的索引，你得到的就是一个空的数据框。如果我们把你的例子改一下，加入一个匹配的记录，这种情况就很明显了：

import pandas as pd
d1 = pd.DataFrame({
    'i1': [1, 2, 2],
    'i2': [1, 1, 2],
    'a': [10,20,30]}).set_index(['i1', 'i2'])
d2 = pd.DataFrame({
    'i1': [1, 3],
    'i2': [1, 2],
    'b': [40, 50]}).set_index(['i1', 'i2'])
d3 = d1.join(d2, how='outer').dropna()
d4 = d1.join(d2, how='inner')

这样就得到了：

In [9]: d3
Out[9]: 
        a   b
i1 i2        
1  1   10  40

In [10]: d4
Out[10]: 
        a   b
i1 i2        
1  1   10  40

所以在进行外连接加上 dropna() 之后，你可以看到 d3 有多少行，然后再继续处理。用你最初的例子来看：

import pandas as pd
d1 = pd.DataFrame({
    'i1': [1, 2, 2],
    'i2': [1, 1, 2],
     'a': [10,20,30]}).set_index(['i1', 'i2'])
d2 = pd.DataFrame({
    'i1': [3, 3],
    'i2': [1, 2],
    'b': [40, 50]}).set_index(['i1', 'i2'])
d3 = d1.join(d2, how='outer').dropna()
print(d3.shape) # no error, shows "(0, 2)"

Answer 3

这句话的意思是，有时候直接去做事情比事先请求允许要简单得多。换句话说，如果你想尝试某个操作，不如先去做了再说，万一出错了再找办法解决。这个理念在编程中也很常见，很多时候我们会选择先执行代码，然后处理可能出现的错误，而不是在执行之前先检查所有条件。

import pandas as pd
d1 = pd.DataFrame({'i1': [1, 2, 2], 'i2': [1, 1, 2], 'a': [10, 20, 30]}
                  ).set_index(['i1', 'i2'])
d2 = pd.DataFrame(
    {'i1': [3, 3], 'i2': [1, 2], 'b': [40, 50]}).set_index(['i1', 'i2'])
try:
    d1.join(d2, how='inner')
except Exception as err:
    # Change this to however you wish to handle this case.
    print(err)