代码之家 › 专栏 › 技术社区 › Erfan

在python中基于关键字字段以不同长度连接表

inner-join join pandas python

-1

Erfan · 技术社区 · 7 年前

所以我想用两个表都包含的键字段在两个表上进行连接,以便进行并排比较。

表A有1164行,表B有74行。表A中的公共字段称为EmployeeID,表B中的“same”字段称为UserID。

Table A

Table B

我希望输出为3种形式:

表1中的记录中,键字段值仅在表A中找到。(左侧不匹配)
具有匹配记录的表2(因此在表A和B中找到了键字段值。(内部联接)
表3中的记录仅在表B中。(右侧不匹配)

解决这个问题的最佳方法是什么?

当我使用此代码时:

data_left_join = pd.merge(table_a, table_b, how='left')

结果得到48268行。

我能找到的所有文章都是SQL或R。

我设法导入了表并对表进行了一些修改。但我被困在这里了。

提前感谢。

1 回复 | 直到 7 年前

Plasma 7 年前

您可以使用 merge() 使用 left_on 和 right_on 参数指定键字段,然后检查NaN值以查找哪些行不在表中:

import pandas as pd

# Create dataframes to test with
table_a = pd.DataFrame({
    "value": [1, 2, 3, 4, 5],
    "employee_id": [100, 200, 300, 400, 500]
})
print "Table A:\n", table_a

table_b = pd.DataFrame({
    "value": [1, 2, 3, 4, 5],
    "user_id": [100, 200, 300, 1000, 2000],
    "age": [40, 50, 60, 70, 80]
})
print "\nTable B:\n", table_b

# Merge table A (left) on employee_id, and table B (right) on user_id
merged = table_a.merge(table_b, left_on="employee_id", right_on="user_id", how="outer", suffixes=("_tableA", "_tableB"))
print "\nMerged:\n", merged

# Table A-columns with NaNs are not present in table B
only_in_table_a = merged.loc[merged.value_tableB.isnull()]
print "\nOnly in table A:\n", only_in_table_a

# Table B-columns with NaNs are not present in table A
only_in_table_b = merged.loc[merged.value_tableA.isnull()]
print "\nOnly in table B:\n", only_in_table_b

# Rows with no NaNs are in both tables
in_both = merged.dropna(subset=["employee_id", "user_id"])
print "\nIn both:\n", in_both

这将产生:

Table A:
   employee_id  value
0          100      1
1          200      2
2          300      3
3          400      4
4          500      5

Table B:
   age  user_id  value
0   40      100      1
1   50      200      2
2   60      300      3
3   70     1000      4
4   80     2000      5

Merged:
   employee_id  value_tableA   age  user_id  value_tableB
0        100.0           1.0  40.0    100.0           1.0
1        200.0           2.0  50.0    200.0           2.0
2        300.0           3.0  60.0    300.0           3.0
3        400.0           4.0   NaN      NaN           NaN
4        500.0           5.0   NaN      NaN           NaN
5          NaN           NaN  70.0   1000.0           4.0
6          NaN           NaN  80.0   2000.0           5.0

Only in table A:
   employee_id  value_tableA  age  user_id  value_tableB
3        400.0           4.0  NaN      NaN           NaN
4        500.0           5.0  NaN      NaN           NaN

Only in table B:
   employee_id  value_tableA   age  user_id  value_tableB
5          NaN           NaN  70.0   1000.0           4.0
6          NaN           NaN  80.0   2000.0           5.0

In both:
   employee_id  value_tableA   age  user_id  value_tableB
0        100.0           1.0  40.0    100.0           1.0
1        200.0           2.0  50.0    200.0           2.0
2        300.0           3.0  60.0    300.0           3.0