使用pandas合并两个数据帧后的行数不同

Question

我有一个数据帧，我通过列EQ_NR与另一个数据帧合并。你知道吗

这是第一个数据帧的结构：（行：320816）

       FAK_ART    FAK_DAT  LEIST_DAT      KD_CRM MW_BW       EQ_NR  \
0         ZPAF 2015-12-10 2015-12-31  T-HOME ICP     B  1001380363   
1         ZPAF 2015-12-10 2015-12-31  T-HOME ICP     B  1001380363   
2         ZPAF 2015-12-10 2015-12-31  T-HOME ICP     B  1001380363   
3         ZPAF 2015-12-10 2015-12-31  T-HOME ICP     B  1001380363   
4         ZPAF 2015-12-10 2015-12-31  T-HOME ICP     B  1001380363   
5         ZPAF 2015-12-10 2015-12-31  T-HOME ICP     B  1001380363   
6         ZPAF 2015-12-10 2015-12-31  T-HOME ICP     B  1001380363   
7         ZPAF 2015-12-10 2015-12-31  T-HOME ICP     E  1001380594   
8         ZPAF 2015-12-10 2015-12-31  T-HOME ICP     B  1001380594

           MATERIAL KW_WERT NETTO_EURO                 TA  
0            B60ETS    0.15       18.9                SDH  
1            B60ETS   0.145      18.27                SDH  
2            B60ETS   0.145      18.27                NaN  
3            B60ETS    0.15       18.9                SDH  
4            B60ETS    0.15       18.9                NaN  
5            B60ETS   0.145      18.27                SDH  
6            B60ETS    0.15       18.9                SDH  
7            B60ETS   3.011     252.92         DSLAM/MSAN  
8            B60ETS   3.412     429.91         DSLAM/MSAN 

这是第二张：（第135818排）

                 EQ_NR         TA
0       1001380363  SONSTIGES
1       1001380363        NaN
2       1001380363  Sonstiges
3       1000943704  Sonstiges
4       1000943823  Sonstiges
5       1000943985  Sonstiges
6       1000954774       FMED
7       1000954790       FMED
8       1001380363        SDH
9       1000955097        NaN

合并后，我有一个数据帧，其中“TA”从第二个数据帧添加到第一个数据帧，值为“EQ\u NR”。你知道吗

问题是我在合并前有320816行，合并两个数据帧后有320871行。如果比基本数据多出55行，会发生什么情况？你知道吗

我需要的数据做一些计算和55行以上扭曲的计算结果。。。你知道吗

Answer 1

如果只想添加一列，可以使用map()方法：

In [290]: df1['TA2'] = df1.EQ_NR.map(df2.set_index('EQ_NR').TA)

In [291]: df1
Out[291]:
  FAK_ART     FAK_DAT   LEIST_DAT      KD_CRM MW_BW       EQ_NR MATERIAL  KW_WERT  NETTO_EURO          TA  TA2
0    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS    0.150       18.90         SDH  AAA
1    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS    0.145       18.27         SDH  AAA
2    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS    0.145       18.27         NaN  AAA
3    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS    0.150       18.90         SDH  AAA
4    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS    0.150       18.90         NaN  AAA
5    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS    0.145       18.27         SDH  AAA
6    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS    0.150       18.90         SDH  AAA
7    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     E  1001380594   B60ETS    3.011      252.92  DSLAM/MSAN  NaN
8    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380594   B60ETS    3.412      429.91  DSLAM/MSAN  NaN

其中df2：

In [288]: df2
Out[288]:
        EQ_NR   TA
0  1001380363  AAA

注意：df2.EQ_NR必须是唯一的，否则会得到InvalidIndexError: Reindexing only valid with uniquely valued Index objects异常。df1.EQ_NR可能有重复项。。。你知道吗

Answer 2

联接列EQ_NR中存在重复项问题。你知道吗

在示例中有重复的值1001380363和1001380594。你知道吗

样品：

import pandas as pd

df1 = pd.DataFrame({'EQ_NR':[1001380363,1001380363,1001380363, 1001380365],
                   'B':[4,5,6,7],
                   'C':[7,8,9,7]})

print (df1)
   B  C       EQ_NR
0  4  7  1001380363
1  5  8  1001380363
2  6  9  1001380363
3  7  7  1001380365

df2 = pd.DataFrame({'EQ_NR':[1001380363,1001380363,1001380363,1001380363],
                   'B':[4,5,6,8],
                   'C':[7,8,9,3]})

print (df2)
   B  C       EQ_NR
0  4  7  1001380363
1  5  8  1001380363
2  6  9  1001380363
3  8  3  1001380363

print (pd.merge(df1, df2, on=['EQ_NR']))
    B_x  C_x       EQ_NR  B_y  C_y
0     4    7  1001380363    4    7
1     4    7  1001380363    5    8
2     4    7  1001380363    6    9
3     4    7  1001380363    8    3
4     5    8  1001380363    4    7
5     5    8  1001380363    5    8
6     5    8  1001380363    6    9
7     5    8  1001380363    8    3
8     6    9  1001380363    4    7
9     6    9  1001380363    5    8
10    6    9  1001380363    6    9
11    6    9  1001380363    8    3

编辑1：

如果数据帧df2中没有重复数据，请使用：

print (df1)  
  FAK_ART     FAK_DAT   LEIST_DAT      KD_CRM MW_BW       EQ_NR MATERIAL  \
0    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS   
1    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS   
2    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS   
3    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS   
4    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS   
5    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS   
6    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS   
7    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     E  1001380594   B60ETS   
8    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380594   B60ETS   

   KW_WERT  NETTO_EURO          TA  
0    0.150       18.90         SDH  
1    0.145       18.27         SDH  
2    0.145       18.27         NaN  
3    0.150       18.90         SDH  
4    0.150       18.90         NaN  
5    0.145       18.27         SDH  
6    0.150       18.90         SDH  
7    3.011      252.92  DSLAM/MSAN  
8    3.412      429.91  DSLAM/MSAN  

print (df2)
        EQ_NR         TA
0  1001380363  Sonstiges
1  1000943704  Sonstiges
2  1000943823  Sonstiges
3  1000943985  Sonstiges
4  1000954774       FMED
5  1000954790       FMED
6  1000955097        NaN

print (pd.merge(df1, df2, on=['EQ_NR'], how='left', suffixes=('','_new')))
  FAK_ART     FAK_DAT   LEIST_DAT      KD_CRM MW_BW       EQ_NR MATERIAL  \
0    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS   
1    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS   
2    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS   
3    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS   
4    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS   
5    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS   
6    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380363   B60ETS   
7    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     E  1001380594   B60ETS   
8    ZPAF  2015-12-10  2015-12-31  T-HOME ICP     B  1001380594   B60ETS   

   KW_WERT  NETTO_EURO          TA     TA_new  
0    0.150       18.90         SDH  Sonstiges  
1    0.145       18.27         SDH  Sonstiges  
2    0.145       18.27         NaN  Sonstiges  
3    0.150       18.90         SDH  Sonstiges  
4    0.150       18.90         NaN  Sonstiges  
5    0.145       18.27         SDH  Sonstiges  
6    0.150       18.90         SDH  Sonstiges  
7    3.011      252.92  DSLAM/MSAN        NaN  
8    3.412      429.91  DSLAM/MSAN        NaN