这是保存在两个变量中的两个数据帧:
> print(df.head())
>
club_name tr_jan tr_dec year
0 ADO Den Haag 1368 1422 2010
1 ADO Den Haag 1455 1477 2011
2 ADO Den Haag 1461 1443 2012
3 ADO Den Haag 1437 1383 2013
4 ADO Den Haag 1386 1422 2014
> print(rankingdf.head())
>
club_name ranking year
0 ADO Den Haag 12 2010
1 ADO Den Haag 13 2011
2 ADO Den Haag 11 2012
3 ADO Den Haag 14 2013
4 ADO Den Haag 17 2014
我正在尝试使用以下代码合并这两个:
new_df = df.merge(ranking_df, on=['club_name', 'year'], how='left')
添加how='left'是因为我的排名数据点比标准数据点少。
预期行为如下:
> print(new_df.head())
>
club_name tr_jan tr_dec year ranking
0 ADO Den Haag 1368 1422 2010 12
1 ADO Den Haag 1455 1477 2011 13
2 ADO Den Haag 1461 1443 2012 11
3 ADO Den Haag 1437 1383 2013 14
4 ADO Den Haag 1386 1422 2014 17
但我有个错误:
ValueError: You are trying to merge on object and int64 columns. If you wish to proceed you should use pd.concat
但是我不想使用concat,因为我想合并树而不仅仅是添加它们。
另一个在我看来很奇怪的行为是,如果我将第一个df保存到.csv,然后将.csv加载到数据帧中,我的代码就会工作。
密码是:
df = pd.DataFrame(data_points, columns=['club_name', 'tr_jan', 'tr_dec', 'year'])
df.to_csv('preliminary.csv')
df = pd.read_csv('preliminary.csv', index_col=0)
ranking_df = pd.DataFrame(rankings, columns=['club_name', 'ranking', 'year'])
new_df = df.merge(ranking_df, on=['club_name', 'year'], how='left')
我认为这与index_col=0参数有关。但我不知道不需要保存就可以修复它,这不重要,但我不得不这么做有点烦人。
当两个表中的公共列具有不同的数据类型时会发生这种情况。
示例:在表1中,您有日期作为字符串,而在表2中,您有日期作为日期时间。因此在合并之前,我们需要将日期更改为通用数据类型。
在一个数据帧中,年份是字符串,另一个是int64 您可以先转换它,然后再连接(例如
df['year']=df['year'].astype(int)
或者按照RafaelC的建议df.year.astype(int)
)附加:将df保存为.csv格式时,日期时间(本例中为年份)将保存为对象,因此在进行合并时需要将其转换为整数(本例中为年份)。这就是为什么当您从csv文件上传两个df时,您可以轻松地进行合并,而如果一个df是从csv文件上传的,而另一个是从现有df上传的,则会显示上述错误。这有点烦人,但有一个简单的解决办法,如果记住。
相关问题 更多 >
编程相关推荐