Python 3.x 合并的数据帧似乎缺少两行

我运行了以下代码：

df1 = pd.DataFrame({'HPI':[80,85,88,85],
                    'Int_rate':[2, 3, 2, 2],
                    'US_GDP_Thousands':[50, 55, 65, 55]},
                   index = [2001, 2002, 2003, 2004])
df3 = pd.DataFrame({'HPI':[80,85,88,85],
                    'Unemployment':[7, 8, 9, 6],
                    'Low_tier_HPI':[50, 52, 50, 53]},
                   index = [2001, 2002, 2003, 2004])

print(pd.merge(df1,df3, on='HPI'))

我得到的输出为：

    HPI  Int_rate  US_GDP_Thousands  Low_tier_HPI  Unemployment
0   80         2                50            50             7
1   85         3                55            52             8
2   85         3                55            53             6
3   85         2                55            52             8
4   85         2                55            53             6
5   88         2                65            50             9

我的问题是

1） 为什么我有这么大的数据帧。HPI只有4个值，但在输出中已生成6行

---

2） 如果merge将从HPI中获取所有值，那么为什么值80和88没有分别获取两次呢？

您将获得

85

4次，因为在

df1

和

df2

的联接列中重复了

HPI

。而

88

和

80

是唯一的，因此内部连接会为每个连接返回alo一行

显然，

内部联接

意味着，如果两个表中的联接列上都有匹配项，那么每一行都将被匹配尽可能多的次数

因此，在合并之前，需要删除重复项以获得正确的输出

df1 = df1.drop_duplicates('HPI')
df3 = df3.drop_duplicates('HPI')

在

HPI

列和输出中具有重复值的样本：

#2dupes 85
df1 = pd.DataFrame({'HPI':[80,85,88,85],
                    'Int_rate':[2, 3, 2, 2],
                    'US_GDP_Thousands':[50, 55, 65, 55]},
                   index = [2001, 2002, 2003, 2004])
#2dupes 85
df3 = pd.DataFrame({'HPI':[80,85,88,85],
                    'Unemployment':[7, 8, 9, 6],
                    'Low_tier_HPI':[50, 52, 50, 53]},
                   index = [2001, 2002, 2003, 2004])

#4dupes 85 - 2x2, value 85 in both columns
print(pd.merge(df1,df3, on='HPI'))
   HPI  Int_rate  US_GDP_Thousands  Low_tier_HPI  Unemployment
0   80         2                50            50             7
1   85         3                55            52             8
2   85         3                55            53             6
3   85         2                55            52             8
4   85         2                55            53             6
5   88         2                65            50             9

---

---

---

---

您将获得

85

4次，因为在

df1

和

df2

的联接列中重复了

HPI

。而

88

和

80

是唯一的，因此内部连接会为每个连接返回alo一行

显然，

内部联接

意味着，如果两个表中的联接列上都有匹配项，那么每一行都将被匹配尽可能多的次数

因此，在合并之前，需要删除重复项以获得正确的输出

df1 = df1.drop_duplicates('HPI')
df3 = df3.drop_duplicates('HPI')

在

HPI

列和输出中具有重复值的样本：

#2dupes 85
df1 = pd.DataFrame({'HPI':[80,85,88,85],
                    'Int_rate':[2, 3, 2, 2],
                    'US_GDP_Thousands':[50, 55, 65, 55]},
                   index = [2001, 2002, 2003, 2004])
#2dupes 85
df3 = pd.DataFrame({'HPI':[80,85,88,85],
                    'Unemployment':[7, 8, 9, 6],
                    'Low_tier_HPI':[50, 52, 50, 53]},
                   index = [2001, 2002, 2003, 2004])

#4dupes 85 - 2x2, value 85 in both columns
print(pd.merge(df1,df3, on='HPI'))
   HPI  Int_rate  US_GDP_Thousands  Low_tier_HPI  Unemployment
0   80         2                50            50             7
1   85         3                55            52             8
2   85         3                55            53             6
3   85         2                55            52             8
4   85         2                55            53             6
5   88         2                65            50             9

---

---

---

---

正如jezrael所写，您有6行，因为df1和df3中的

HPI=85

的值不是唯一的。与df1和df3相反，只有

HPI=80

和

HPI=88

的值。 如果我假设并考虑你的<代码>索引>代码>，我可以猜出你想要的是这样的：

       HPI  Int_rate  US_GDP_Thousands  Low_tier_HPI  Unemployment
index                                                             
2001    80         2                50            50             7
2002    85         3                55            52             8
2003    88         2                65            50             9
2004    85         2                55            53             6

如果你想要这样的东西，那么你可以：

pd.merge(df1, df3, left_index=True, right_index=True, on='HPI')

---

但是我只是做一个假设，所以我不知道这是否是您想要的输出。

正如jezrael所写的，您有6行，因为df1和df3中的

HPI=85

的值不是唯一的。与df1和df3相反，只有

HPI=80

和

HPI=88

的值。 如果我假设并考虑你的<代码>索引>代码>，我可以猜出你想要的是这样的：

       HPI  Int_rate  US_GDP_Thousands  Low_tier_HPI  Unemployment
index                                                             
2001    80         2                50            50             7
2002    85         3                55            52             8
2003    88         2                65            50             9
2004    85         2                55            53             6

如果你想要这样的东西，那么你可以：

pd.merge(df1, df3, left_index=True, right_index=True, on='HPI')

---

但是我只是做一个假设，所以我不知道这是否是您想要的输出。

Downvoter，如果我的答案有问题，请告诉我，以便我可以更正。谢谢，好的。。但是88和80在两个数据帧中都存在。那么为什么不重复呢？？？@DibakarBose-但值并不复杂，存在差异。@DibakarBose-我添加了更多样本，请检查是否更清晰。Downvoter，如果我的答案有问题，请让我知道，以便我可以更正。谢谢，好的。。但是88和80在两个数据帧中都存在。那么为什么不重复呢？？？@DibakarBose-但数值并不复杂，存在差异。@DibakarBose-我添加了更多的样本，请检查它是否更清晰。我强烈建议您仔细阅读可能的副本。您的问题更多的是关于一般性地理解合并，那里的教程中有一些示例演示了您可以期望的内容。@jpp:：当然。。。我会这么做的。。。谢谢：）我强烈建议你通读一下。您的问题更多的是关于一般性地理解合并，那里的教程中有一些示例演示了您可以期望的内容。@jpp:：当然。。。我会这么做的。。。谢谢：）是的。。。这就是我想要的输出…：）对这就是我想要的输出…：）