Warning: file_get_contents(/data/phpspider/zhask/data//catemap/2/python/341.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181

Warning: file_get_contents(/data/phpspider/zhask/data//catemap/8/variables/2.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Python 熊猫加入/合并错误:Can';不要加入数据帧。生成的Excel为空_Python_Pandas_Dataframe_Numpy - Fatal编程技术网

Python 熊猫加入/合并错误:Can';不要加入数据帧。生成的Excel为空

Python 熊猫加入/合并错误:Can';不要加入数据帧。生成的Excel为空,python,pandas,dataframe,numpy,Python,Pandas,Dataframe,Numpy,我正在尝试将两个数据帧合并在一起 这是我的主数据帧,它有一行BillingPostalCodes 打印(df['BillingPostalCode']) 在另一个表中,是基于BillingPostalCode存储的段。 打印(段) 如果我将两个表合并在一起,通过 df=pd.merge(df,段,on='BillingPostalCode',how='left') 导出的.xlsx文件中应显示段的结果列段为空。 为什么呢 如果有任何帮助,我将不胜感激。请尝试使用.isin结构检查两个表中的索

我正在尝试将两个数据帧合并在一起

这是我的主数据帧,它有一行BillingPostalCodes

打印(df['BillingPostalCode'])

在另一个表中,是基于BillingPostalCode存储的段。
打印(段)

如果我将两个表合并在一起,通过

df=pd.merge(df,段,on='BillingPostalCode',how='left')

导出的.xlsx文件中应显示段的结果列段为空。 为什么呢


如果有任何帮助,我将不胜感激。

请尝试使用.isin结构检查两个表中的索引。也许,这是格式问题。尝试使用lambda将其重塑为一种格式

df['BillingPostalCode'] = df['BillingPostalCode'].apply(lambda x: int(x))
segment['BillingPostalCode'] = segment['BillingPostalCode'].apply(lambda x: int(x))

df['BillingPostalCode'].isin(段['BillingPostalCode']].sum()
的结果是什么?我假设两列的数据类型不匹配,
print(df.dtypes)
两个数据帧,并将输出发布到您的问题中,同时覆盖初始数据帧,您应该将生成的数据帧分配给一个新变量。这里不需要
apply
,只需调用
.astype
方法即可
df['BillingPostalCode'].astype(int)
,注意如果列中有任何
字符串,则此操作将失败,因此您还应注意,将列强制为给定类型的解决方案是使用参数
errors='concure'
将所有非整数默认为
NaN
值的
pd.to\u numeric