如何在Python中合并两个数据帧？

我正在尝试使用内部连接连接两个熊猫数据帧

my_df = pd.merge(df1, df2, how = 'inner', left_on = ['date'], right_on = ['myDate'])

但是，我得到以下错误：

KeyError:'myDate'类型错误：需要整数

我相信在日期加入是有效的，但我不能让这个简单的加入工作

DF2是使用以下方法创建的

df2=idf.groupby（λx:（x.year，x.month，x.day））.mean（）

有人能给点建议吗？非常感谢

df1
类型对象
id对象
日期对象
值浮动64
类型id日期值
0辆车PSTAT001 15/07/15 42
1辆自行车PSTAT001 16/07/15 42
2辆自行车PSTAT001 17/07/15 42
3辆自行车PSTAT0004 18/07/15 42
4自行车PSTAT0001 19/07/15 32
df2
myDate对象
val1浮动64
val2浮动64
val3浮动64
myDate val1 val2 val3
0   (2015,7,13) 1074        1871.666667    2800.777778
1   (2015,7,14) 347.958333  809.416667     1308.458333
2   (2015,7,15) 202.625     597.375        1008.666667
3   (2015,7,16) 494.958333  1192           1886.916667

DF1.info（）

INT64索引：3040个条目，0到3039
数据列（共4列）：
类型3040非空对象
ID3040非空对象
日期3040非空对象
值3040非空浮点64
数据类型：float64（1），object（3）
内存使用率：118.8+KB

DF2.info（）

INT64索引：16个条目，从0到15
数据列（共4列）：
myDate 16非空对象
val1 16非空浮点64
val2 16非空浮点64
val3 16非空浮点64
数据类型：float64（3），object（1）
内存使用：640.0+字节

您的日期列不是datetime数据类型，

df1

看起来像

str

，而另一个是

元组

，因此您需要先转换这些数据类型，然后进行合并：

In [75]:
df1['date'] = pd.to_datetime(df1['date'])
df1.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 5 entries, 0 to 4
Data columns (total 4 columns):
type     5 non-null object
id       5 non-null object
date     5 non-null datetime64[ns]
value    5 non-null int64
dtypes: datetime64[ns](1), int64(1), object(2)
memory usage: 200.0+ bytes

In [76]:
import datetime as dt
df2['myDate'] = df2['myDate'].apply(lambda x: dt.datetime(x[0], x[1], x[2]))
df2.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 4 entries, 0 to 3
Data columns (total 4 columns):
myDate    4 non-null datetime64[ns]
val1      4 non-null float64
val2      4 non-null float64
val3      4 non-null float64
dtypes: datetime64[ns](1), float64(3)
memory usage: 160.0 bytes

In [78]:    
my_df=  pd.merge(df1, df2, how = 'inner', left_on = ['date'], right_on = ['myDate'])
my_df

Out[78]:
   type        id       date  value     myDate        val1      val2  \
0   CAR  PSTAT001 2015-07-15     42 2015-07-15  202.625000   597.375   
1  BIKE  PSTAT001 2015-07-16     42 2015-07-16  494.958333  1192.000   

          val3  
0  1008.666667  
1  1886.916667 

[75]中的

df1['date']=pd.to_datetime（df1['date']）
df1.info（）
INT64索引：5个条目，从0到4
数据列（共4列）：
类型5非空对象
ID5非空对象
日期5非空datetime64[ns]
值5非空int64
数据类型：datetime64[ns]（1）、int64（1）、object（2）
内存使用：200.0+字节
在[76]中：
将日期时间导入为dt
df2['myDate']=df2['myDate'].apply（λx:dt.datetime（x[0]，x[1]，x[2]））
df2.info（）
INT64索引：4个条目，0到3
数据列（共4列）：
myDate 4非空datetime64[ns]
val1 4非空浮点64
val2 4非空浮点64
val3 4非空浮点64
数据类型：datetime64[ns]（1），float64（3）
内存使用：160.0字节
在[78]中：
my_df=pd.merge（df1，df2，how='internal'，left_on=['date']，right_on=['myDate']）
我的
出[78]：
类型id日期值myDate val1 val2\
0辆车PSTAT001 2015-07-15 42 2015-07-15 202.625000 597.375
1辆自行车PSTAT001 2015-07-16 42 2015-07-16 494.958333 1192.000
val3
0  1008.666667  
1  1886.916667 

正如评论所说，缺乏匹配来自不同的数据格式。将df1的“日期”字段作为对象，而将df2的“myDate”作为元组表示的对象

首先，让我们将df1“date”转换为datetime，正如@EdChum所建议的那样

df1 = pd.DataFrame(data = np.array([['CAR', 'PSTAT001', '15/07/15', 42]]), \
    columns = ['type','id','date','value'])

df1['date']=pd.to_datetime(df1['date'])

然后，正如@EdChum所建议的，我们使用datetime库将元组转换为字符串

df2 = pd.DataFrame(data = np.array([[(2015,7,15) ,202.625 ,597.375,1008.666667]]), \
    columns = ['myDate','val1','val2','val3'])

df2['myDate'] = df2['myDate'].apply(lambda x: datetime(x[0], x[1], x[2]))

从那里我们的合并工作。我只使用了df1的第0行和第3行来简化ide中的事情

my_df=  pd.merge(df1, df2, how = 'inner', left_on = ['date'], right_on = ['myDate'])

my_df[:1]
Out[21]: 
  type        id       date value     myDate     val1     val2      val3
0  CAR  PSTAT001 2015-07-15    42 2015-07-15  202.625  597.375  1008.667

---

您的

df2['myDate']

看起来像一个带整数的元组，您可以发布

df1.info（）

和

df2.info（）

df1 Int64Index:3040个条目，0到3039个数据列（共4列）的输出吗：类型3040非空对象id 3040非空对象日期3040非空对象值3040非空浮点64数据类型：浮点64（1），对象（3）内存使用率：118.8+KBDF2:Int64索引：16个条目，0到15个数据列（共4列）：myDate 16非空对象val1 16非空float64 val2 16非空float64 val3 16非空float64 val3 16非空float64数据类型：float64（3），对象（1）内存使用率：640.0+字节请编辑您的问题，格式在注释中丢失，感谢缺少格式的逻辑，仍在学习。Ed Chum您是一位成功的传奇人物。非常感谢你的帮助。我刚才也投了赞成票这就是我在写答案之前喝咖啡的结果。