使用 df.merge 填充 df 中的新列给出奇怪的匹配

我刚刚发现导致此问题的 2 个问题，请参阅下面的解决方案

我想基于另一个数据帧在我的数据帧（df）中创建一个新列。 基本上 df2 包含我想要插入 df 的更新信息。 为了复制我的真实情况（> 1m 行），我将用简单的列填充两个随机 df 。

我使用 pandas.merge() 来执行此操作，但这给了我奇怪的结果。

这是一个典型的例子。让我们随机创建 df 并使用简单的关系创建 df2 ：“New Type”=“Type”+ 1。我创建这个简单的关系，以便我们可以轻松检查输出。当然，在我的实际应用中，我没有这么简单的关系。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(0,100,size=(100, 1)),columns = ["Type"])
df.head()

   Type
0    45
1     3
2    89
3     6
4    39

df1 = pd.DataFrame({"Type":range(1,100)})
df1["New Type"] = df1["Type"] + 1
print(df1.head())

 Type  New Type
0     1         2
1     2         3
2     3         4
3     4         5
4     5         6

现在假设我想根据 df1 上的“新类型”更新 df“类型”

df["Type2"] = df.merge(df1,on="Type")["New Type"]
print(df.head())

我得到这个奇怪的输出，我们清楚地看到它不起作用

  Type  Type2
0    45   46.0
1     3    4.0
2    89    4.0
3     6    4.0
4    39   90.0

我认为输出应该是这样的

  Type  Type2
0    45   46.0
1     3    4.0
2    89   90.0
3     6    7.0
4    39   40.0

只有第一行是正确匹配的。你知道我错过了什么吗？

Solution

1.我需要与 how="left" 进行合并，否则默认选择是“内部”，生成另一个维度与 df 不同的表。

2. 另外，我需要使用 sort=false 作为合并函数的属性。否则，合并结果在应用于 df 之前先进行排序。

您可以使用的一种方法是map, set_index, and squeeze:

df['Type2'] = df['Type'].map(df1.set_index('Type').squeeze())

Output:

   Type  Type2
0    22   23.0
1    56   57.0
2    63   64.0
3    33   34.0
4    25   26.0