Kombinieren Sie zwei Pandas-Datenrahmen (verbinden Sie eine gemeinsame Spalte)

Ich habe 2 Datenrahmen:

restaurant_ids_dataframe

Data columns (total 13 columns):
business_id      4503  non-null values
categories       4503  non-null values
city             4503  non-null values
full_address     4503  non-null values
latitude         4503  non-null values
longitude        4503  non-null values
name             4503  non-null values
neighborhoods    4503  non-null values
open             4503  non-null values
review_count     4503  non-null values
stars            4503  non-null values
state            4503  non-null values
type             4503  non-null values
dtypes: bool(1), float64(3), int64(1), object(8)`

und

restaurant_review_frame

Int64Index: 158430 entries, 0 to 229905
Data columns (total 8 columns):
business_id    158430  non-null values
date           158430  non-null values
review_id      158430  non-null values
stars          158430  non-null values
text           158430  non-null values
type           158430  non-null values
user_id        158430  non-null values
votes          158430  non-null values
dtypes: int64(1), object(7)

Ich möchte diese beiden DataFrames verbinden, um sie mit dem Befehl DataFrame.join () in Pandas zu einem einzigen Datenframe zu machen.

Ich habe die folgende Codezeile ausprobiert:

#the following line of code creates a left join of restaurant_ids_frame and   restaurant_review_frame on the column 'business_id'
restaurant_review_frame.join(other=restaurant_ids_dataframe,on='business_id',how='left')

Aber wenn ich das versuche, bekomme ich folgenden Fehler:

Exception: columns overlap: Index([business_id, stars, type], dtype=object)

Ich bin sehr neu in Pandas und habe keine Ahnung, was ich falsch mache, wenn es um die Ausführung der Join-Anweisung geht.

Jede Hilfe wäre sehr dankbar.

Mit Merge können Sie zwei Datenrahmen zu einem kombinieren:

import pandas as pd
pd.merge(restaurant_ids_dataframe, restaurant_review_frame, on='business_id', how='outer')

Dabei gibt on den Feldnamen an, der in beiden Datenrahmen vorhanden ist, an denen verbunden werden soll, und wie definiert, ob der innere / äußere / linke / rechte Join mit dem äußeren "Vereinigung der Schlüssel aus beiden Frames" (SQL: vollständiger äußerer Join) verwendet wird. Da Sie in beiden Datenrahmen eine 'Stern'-Spalte haben, werden standardmäßig zwei Spalten star_x und star_y im kombinierten Datenrahmen erstellt. Wie @DanAllan für die Join-Methode erwähnt hat, können Sie die Suffixe für die Zusammenführung ändern, indem Sie sie als kwarg übergeben. Standard ist suffixes=('_x', '_y'). Wenn Sie so etwas wie star_restaurant_idund machen wollten star_restaurant_review, können Sie Folgendes tun:

 pd.merge(restaurant_ids_dataframe, restaurant_review_frame, on='business_id', how='outer', suffixes=('_restaurant_id', '_restaurant_review'))

Die Parameter werden in diesem Link ausführlich erläutert .

Die Verknüpfung schlägt fehl, wenn die DataFrames einige Spaltennamen gemeinsam haben. Der einfachste Weg, dies zu umgehen, besteht darin, ein lsuffixoder ein rsuffixSchlüsselwort wie folgt einzufügen:

restaurant_review_frame.join(restaurant_ids_dataframe, on='business_id', how='left', lsuffix="_review")

Auf diese Weise haben die Spalten unterschiedliche Namen. Die Dokumentation befasst sich genau mit diesem Problem .

Sie können dies auch umgehen, indem Sie einfach die fehlerhaften Spalten löschen, bevor Sie beitreten. Wenn zum Beispiel die Sterne in restaurant_ids_dataframeredundant zu den Sternen in sind restaurant_review_frame, könnten Sie del restaurant_ids_dataframe['stars'].

Falls jemand versuchen muss, zwei Datenrahmen im Index zusammenzuführen (anstelle einer anderen Spalte), funktioniert dies auch!

T1 und T2 sind Datenrahmen mit denselben Indizes

import pandas as pd
T1 = pd.merge(T1, T2, on=T1.index, how='outer')

PS Ich musste Merge verwenden, da das Anhängen NaNs unnötig ausfüllen würde.