使用空值填充新数据帧

Question

我正在尝试合并两个数据帧：

• 第一个数据帧，控件，用INTEGERS/STRINGS
填充
• 左边的数据框一起被整数/列表填充。

当我使用pandasmerge（）函数时，新的数据框将用NaN填充右侧的数据框，而不是列表

final_dataset = pd.merge(control, together, on="zip_code", how="left")

我期望使用两个原始数据帧中的值创建一个新的合并数据帧。相反，在新的数据框中，“control”数据框中的所有值都是正确的，但“together”数据框中的所有列表都是正确的

以下是一些样本数据：

control                                       together
-------------------------------              -------------------------------
payment             zip_code                   age                  zip_code
   Rent                 94053                    [25, 64, 24]         12583
   Mortgage             47283                    [78. 39, 35]         47283
   Rent                 25769                    [82, 33, 19]         25769

以下是最终数据集的外观：

final_dataset
-----------------------------------------------------------
zip_code             payment                 age                  
47283                  Mortgage               NaN                 
25769                  Rent                   NaN                                

Answer 1

如果每个数据帧的邮政编码列具有不同的类型，则可能会发生这种情况，其中一个是int64，另一个是object，例如：

 a = pd.DataFrame([
    {"colA": 1, "key": "1"},
    {"colA": 2, "key": "2"},
    {"colA": 3, "key": "3"}
])

b = pd.DataFrame([
    {"colB": [25, 64, 24], "key": 1},
    {"colB": [25, 64, 24], "key": 2},
    {"colB": [25, 64, 24], "key": 4}
])

如果您合并这两个数据帧，您将得到

res = pd.merge(a, b, on="key", how='left')



   colA key colB
0   1   1   NaN
1   2   2   NaN
2   3   3   NaN

因此，您需要确保两个数据帧中的邮政编码具有相同的类型。

Answer 2

我认为你在这里有一些事情要做。当你说左数据帧时，我想你的意思是它应该是左连接右？"你的意思是"一起"在样本的左边？"

我认为可以安全地假设“together”中的邮政编码是字符串而不是int。您得到的是NaN，因为它们在2个数据帧中不匹配。示例47283不等于“47283”。

此外，如果它是一个左连接，你想要一起在左边，你应该有1个NaN付款，因为如果它们是相同的数据类型，你只有2zip_codes匹配。

如果您想控制左侧，我建议您这样做（我想您是这样做的）：

control = pd.DataFrame({
    'payment':['Rent','Mortgage','Rent'],
    'zip_code':[94053,47283,25769]
})
together = pd.DataFrame({
    'age':[[25,64,24],[78, 39,35],[82,33,19]],
    'zip_code':[12583,47283,25769]
})

control.merge(together,on='zip_code',how='left')

这将给你以下结果：

    payment  zip_code           age
0      Rent     94053           NaN
1  Mortgage     47283  [78, 39, 35]
2      Rent     25769  [82, 33, 19]

正如你可以看到你有1 NaN的年龄，因为94053不在“在一起”数据帧中。