Python 合并熊猫中的两个数据集

我以前与Stata合作过，现在正试图用Python完成同样的工作。但是，我对merge命令有问题。不知怎的，我一定错过了什么。我要合并的两个数据帧如下所示：

 df1:
 Date id Market_Cap
 2000 1  400
 2000 2  200
 2001 1  410
 2001 2  220

 df2:
 id Ticker
 1   Shell
 2   ExxonMobil

我现在的目标是获得以下数据集：

Date id Market_Cap  Ticker
2000 1  400        Shell 
2000 2  200        ExxonMobil 
2001 1  410        Shell 
2001 2  220        ExxonMobil

我尝试了以下命令：

merged= pd.merge(df1, df2, how="left", on="id")

这合并了数据集，但在Ticker列中只给出了nan。 我查看了几个来源，可能是我弄错了，但是“left”命令不是为了我的目的而做的正确的事情吗？我也试过“正确”和“外在”。他们没有得到我想要的结果，“内在”似乎在这里一般不起作用

---

我遗漏了一些重要的东西吗？

问题出在一个df中你的列

id

是

对象（显然
字符串
）和另一个
int
，因此没有匹配项和get
NaN

如果有相同的：

如果只需要添加一个新列，另一个解决方案是：

模拟您的问题：

print (df1['id'].dtypes)
object
print (df2['id'].dtypes)
int64

df1['Ticker'] = df1['id'].map(df2.set_index('id')['Ticker'])
print (df1)
   Date id  Market_Cap Ticker
0  2000  1         400    NaN
1  2000  2         200    NaN
2  2001  1         410    NaN
3  2001  2         220    NaN

解决方案通过以下方式转换为
int
（
df2
中的
id
列转换为
str
）：

df1['Ticker'] = df1['id'].map(df2.set_index('id')['Ticker'])
print (df1)
   Date  id  Market_Cap      Ticker
0  2000   1         400       Shell
1  2000   2         200  ExxonMobil
2  2001   1         410       Shell
3  2001   2         220  ExxonMobil

print (df1['id'].dtypes)
object
print (df2['id'].dtypes)
int64

df1['Ticker'] = df1['id'].map(df2.set_index('id')['Ticker'])
print (df1)
   Date id  Market_Cap Ticker
0  2000  1         400    NaN
1  2000  2         200    NaN
2  2001  1         410    NaN
3  2001  2         220    NaN

df1['id'] = df1['id'].astype(int)
#alternatively
#df2['id'] = df2['id'].astype(str)
df1['Ticker'] = df1['id'].map(df2.set_index('id')['Ticker'])
print (df1)
   Date  id  Market_Cap      Ticker
0  2000   1         400       Shell
1  2000   2         200  ExxonMobil
2  2001   1         410       Shell
3  2001   2         220  ExxonMobil