缺少數據合併

我只是在公共列合併兩個dataframes：在這種情況下缺少數據合併

df1 

        email       account 
0     [email protected]     555 
1     [email protected]      666 
2     [email protected]      Nan 
3     [email protected]      999 


df2 (i think ip is index here) 

ip    account 
1.1.1.1   555 
2.2.2.2   666 
. 
. 


df3= pd.merge(df1,df2,on='accountname')

，我已經丟失的數據。我怎樣才能避免這種情況？

來源

2017-10-17 Jasmin

DF3 = pd.merge（df1.dropna（），df2.dropna（），開= '帳戶名'，如何=」內部「） –

你沒有accountname字段，你知道嗎？ –

可以喲，請更新一個更好的數據樣本。這兩個輸入和輸出，使用[本文]（https://stackoverflow.com/questions/20109391/how-to-make-good-reproducible-pandas-examples）作爲如何添加dataframs到SO – DJK

pd.merge(df1,df2,on='accountname',how='left')

或者

pd.merge(df1,df2,on='accountname',how='inner')

編輯：讓我們看看你的樣本數據，則merge海峽與詮釋。那爲什麼所有NaN

df1.applymap(type) 
Out[96]: 
      email  account 
0 <class 'str'> <class 'str'> 
1 <class 'str'> <class 'str'> 
2 <class 'str'> <class 'str'> 
3 <class 'str'> <class 'str'> 
df2.applymap(type) 
Out[97]: 
       account 
ip      
1.1.1.1 <class 'int'> 
2.2.2.2 <class 'int'>

如何做到這一點：

選項1

變化str到numeric使用pd.to_numeric

df1.account=pd.to_numeric(df1.account,errors ='coerce') 
df1.applymap(type) 
Out[99]: 
      email   account 
0 <class 'str'> <class 'float'> 
1 <class 'str'> <class 'float'> 
2 <class 'str'> <class 'float'> 
3 <class 'str'> <class 'float'> 

df1.merge(df2.reset_index(),on=['account'],how='left') 


Out[101]: 
      email account  ip 
0 [email protected]  555 1.1.1.1 
1 [email protected]  666 2.2.2.2 
2 [email protected]  NaN  NaN 
3 [email protected]  999  NaN

選項2

我們只是改變df2.account到str（我更喜歡使用第一pd.to-numeric）

df2.account=df2.account.astype(str) 
df1.merge(df2.reset_index(),on=['account'],how='left') 
Out[105]: 
      email account  ip 
0 [email protected]  555 1.1.1.1 
1 [email protected]  666 2.2.2.2 
2 [email protected]  Nan  NaN 
3 [email protected]  999  NaN

來源

2017-10-17 21:41:08 Wen

我仍然有缺失的數據'df1：電子郵件帳戶'和'df2：帳戶ip'這麼簡單，但我不知道爲什麼我從df2合併後缺少數據 – Jasmin

@poço顯示您的示例數據plz – Wen

@poço檢查我的更新，抱歉回覆，剛完成我自己的工作，PS：如果它爲你工作，你可以upvoted並接受:) – Wen

缺少數據合併

回答

相關問題