Python 如何读取合并结果？

使用pandas merge，结果列令人困惑：

df1 = pd.DataFrame(np.random.randint(0, 100, size=(5, 5)))

df2 = pd.DataFrame(np.random.randint(0, 100, size=(5, 5)))

df2[0] = df1[0]  # matching key on the first column.

# Now the weird part.
pd.merge(df1, df2, left_on=0, right_on=0).shape
Out[96]: (5, 9)
pd.merge(df1, df2, left_index=True, right_index=True).shape
Out[102]: (5, 10)
pd.merge(df1, df2, left_on=0, right_on=1).shape
Out[107]: (0, 11)

列的数量不固定，列标签也不稳定，更糟糕的是，这些都没有明确的记录

我想读取结果数据帧的一些列，这些列有许多列（数百列）。目前我正在使用.iloc[]，因为标记工作太多了。但我担心由于奇怪的合并结果，这很容易出错。 读取合并数据框中某些列的正确方法是什么

---

Python:2.7.13，Pandas:0.19.2

合并键

1.1当连接键是一列时，在键上合并（这是适合您的解决方案，您可以说“df2[0]=df1[0]”匹配第一列上的键。 ））

1.2当合并键为索引时，在索引上合并 ==>在第二次合并（pd.merge（df1，df2，left\u index=True，right\u index=True）.shape）中多得到1列的原因是，初始连接键现在出现两次“0\u x”和“0\u y”

关于列名

列名在合并期间不会更改，除非两个数据帧中有同名的列。列的更改如下所示，您将得到：

• “初始列名称”+“\ux”（后缀“\ux”添加到左侧数据帧（df1）的列中）

• 'initial_column_name'+''u y'（后缀''u y'添加到右侧数据帧（df2）的列中）

---

为了处理合并结果中列数的3种不同情况，我最后检查了列数，然后将列数索引转换为在.iloc[]中使用。这是代码，供将来的搜索者使用

这仍然是我现在知道的处理大量专栏的最好方法。如果有更好的答案，我会标出来

转换列号索引的实用方法：

def get_merged_column_index(num_col_df, num_col_df1, num_col_df2, col_df1=[], col_df2=[], joinkey_df1=[], joinkey_df2=[]):
    """Transform the column indexes in old source dataframes to column indexes in merged dataframe. Check for different pandas merged result formats.

    :param num_col_df: number of columns in merged dataframe df.
    :param num_col_df1: number of columns in df1.
    :param num_col_df2: number of columns in df2.
    :param col_df1: (list of int) column position in df1 to keep (0-based).
    :param col_df2: (list of int) column position in df2 to keep (0-based).
    :param joinkey_df1:  (list of int) column position (0-based). Not implemented now.
    :param joinkey_df2:  (list of int) column position (0-based). Not implemented now.
    :return: (list of int) transformed column indexes, 0-based, in merged dataframe.
    """

    col_df1 = np.array(col_df1)
    col_df2 = np.array(col_df2)

    if num_col_df == num_col_df1 + num_col_df2: # merging keeps same old columns
        col_df2 += num_col_df1
    elif num_col_df == num_col_df1 + num_col_df2 + 1: # merging add column 'key_0' to the head
        col_df1 += 1
        col_df2 += num_col_df1 + 1
    elif num_col_df <= num_col_df1 + num_col_df2 - 1: # merging deletes (possibly many) duplicated "join-key" columns in df2, keep and do not change order columns in df1.
        raise ValueError('Format of merged result is too complicated.')
    else:
        raise ValueError('Undefined format of merged result.')

    return np.concatenate((col_df1, col_df2)).astype(int).tolist()

---

如果在

df1

和

df2

中合并具有相同名称的数据帧，则会添加后缀。所以，如果第一列合并得到4个相同的列（连接列相同），那么输出是

9

columns。在第二次按索引合并时，输出为10列。最后按不同列合并（默认内部联接），因此有时返回一些数据，有时不返回任何数据（因为随机数据）。如果列名称不同，数据帧的形状不同，则很难找到便于选择的通用解决方案。@jezrael:那么在具有相同标签的两列上合并将删除一列？合并两个不同标签的列将添加1个“key_0”列？如果我不管理列的标签怎么办？@jezrael:事实证明，在某些情况下，将两列合并为不同的标签不会添加列“key\u 0”。这一机制让人非常困惑。我不会对你的第一个问题投反对票——不删除，它只创建一个连接的列——使用df1获取值，然后使用

df2

创建两个数据帧中的值的列。我注意到更改的列标签，但问题是在一些合并之后，标签会弄乱。此外，正如我所说的，列的数量很大，所以我使用iloc[]来获取数据。我仍然不清楚哪些列将被删除或添加，以及规则是什么。如何从合并的数据帧中获取，比如说df1的第1列和df2的第（3，4）列？我想到的一个可能的解决方案是检查合并的数据帧的形状，然后在三种情况下进行处理。但是有没有更好的方法来遵循熊猫文档？1：不会删除任何列。添加到数据帧的唯一列是与之合并的数据帧的列。连接键也不会重复。关于选择列：pd.merge（df1[['join\u key'，'column\u 1']]，df2['join\u key'，'column\u 1'，'column\u 2'，'column\u 3，left\u on='join\u key'，right\u on='join\u key）=>结果：包含列['join\u key'，'column\u 1\u x'，'column\u 1\u y'，'column\u 2'，'column\u 3]的数据帧

cols_toextract_df1 = []
cols_toextract_df2 = []
converted_cols = get_merged_column_index(num_col_df=df.shape[1], num_col_df1=df1.shape[1], num_col_df2=df2.shape[1], col_df1=cols_toextract_df1, col_df2=cols_toextract_df1)
extracted_df = df.iloc[:, converted_cols]