Python 熊猫'；s左合并：结果表有更多行，防止重复

我有两个数据帧。df1有39780行，df2有8900454行

我要合并的df1列：

['postalcode'，'housenumber'，'suffix']

“后缀”列包含一些NAN

df2列：

['postalcode_right','housenumber_right', 'suffix_right', 'index_right']

（名为'index_right'的列不是该数据帧的索引。）

因为df1.suffix包含NAN，所以右侧的一些行与左侧的多行匹配

---

如何防止出现这种情况或清除多次匹配的行的“index\u right”值？

您不应该按空值分组。首先，从分析的角度来看，这没有多大意义

您可以将

NA

值转换为填充字符串，例如

'NULL'

：

left_cols = ['postalcode', 'housenumber', 'suffix']
right_cols = ['postalcode_right', 'housenumber_right', 'suffix_right']]

df1[left_cols] = df1[left_cols].fillna('NULL')
df2[right_cols] = df2[right_cols].fillna('NULL')

然后在合并之前，将重复项放到您的

右侧

数据帧中：

res = pd.merge(df1, df2.drop_duplicates(subset=right_cols), 
               how='left', left_on=left_cols, right_on=right_cols)

这将确保

res

的行数与

df1

相同

res = pd.merge(df1, df2.drop_duplicates(subset=right_cols), 
               how='left', left_on=left_cols, right_on=right_cols)