熊猫左外联接的结果表大于左表

Question

根据我对左外部联接的了解，结果表的行数永远不应超过左表的行数…如果这是错误的，请让我知道…

我的左表是192572行和8列。

我的右边表格是42160行和5列。

我的左表有一个名为“ id”的字段，该字段与我的右表中名为“键”的一列匹配。

因此，我将它们合并为：

combined = pd.merge(a,b,how='left',left_on='id',right_on='key')

但是组合的形状是236569。

我有什么误会？

Answer 1

如果键与另一个DataFrame中的多个行匹配，则可以预期这种情况会增加：

In [11]: df = pd.DataFrame([[1, 3], [2, 4]], columns=['A', 'B'])

In [12]: df2 = pd.DataFrame([[1, 5], [1, 6]], columns=['A', 'C'])

In [13]: df.merge(df2, how='left')  # merges on columns A
Out[13]: 
   A  B   C
0  1  3   5
1  1  3   6
2  2  4 NaN

为避免此行为，将重复项放在df2中：

In [21]: df2.drop_duplicates(subset=['A'])  # you can use take_last=True
Out[21]: 
   A  C
0  1  5

In [22]: df.merge(df2.drop_duplicates(subset=['A']), how='left')
Out[22]: 
   A  B   C
0  1  3   5
1  2  4 NaN