熊猫在具有不同名称的列上合并并避免重复[重复]

Question

如何将两个熊猫DataFrames合并到两个具有不同名称的列上，并保留其中一个列？

df1 = pd.DataFrame({'UserName': [1,2,3], 'Col1':['a','b','c']})
df2 = pd.DataFrame({'UserID': [1,2,3], 'Col2':['d','e','f']})
pd.merge(df1, df2, left_on='UserName', right_on='UserID')

这提供了一个像这样的数据帧

但是很明显，我正在合并UserName和UserID，所以它们是相同的。我想让它看起来像这样。有什么干净的方法可以做到这一点吗？

我唯一能想到的方法是在合并之前将列重新命名为相同的列，或者在合并之后删除其中一个列。如果熊猫自动掉落其中一只，我会很高兴，或者我可以做类似的事情

pd.merge(df1, df2, left_on='UserName', right_on='UserID', keep_column='left')

Answer 1

这里面没有什么好东西：它的意思是保留列，因为较大的案例（如左-右或外部联接）会为两列带来额外的信息。不要试图过度设计你的合并行，要像你建议的那样明确

解决方案一：

df2.columns = ['Col2', 'UserName']

pd.merge(df1, df2,on='UserName')
Out[67]: 
  Col1  UserName Col2
0    a         1    d
1    b         2    e
2    c         3    f

解决方案2：

pd.merge(df1, df2, left_on='UserName', right_on='UserID').drop('UserID', axis=1)
Out[71]: 
  Col1  UserName Col2
0    a         1    d
1    b         2    e
2    c         3    f

Answer 2

如何设置UserID作为索引，然后加入第二个数据帧的索引？

pd.merge(df1, df2.set_index('UserID'), left_on='UserName', right_index=True)

#   Col1    UserName    Col2
# 0    a           1       d
# 1    b           2       e
# 2    c           3       f