在熊猫中合并两个数据框

Question

我正在使用下面的代码合并两个csv（数据帧）：

import pandas as pd
a = pd.read_csv(file1,dtype={'student_id': str})
df = pd.read_csv(file2)
c=pd.merge(a,df,on='test_id',how='left')
c.to_csv('test1.csv', index=False)

我有以下CSV文件

文件1：

test_id, student_id
1, 01990
2, 02300
3, 05555

文件2：

test_id, result
1, pass
3, fail

合并后

test_id, student_id , result
1, 1990, pass
2, 2300,
3, 5555, fail

如果您注意到student_id的开头附加了0，应该将其视为文本，但是在合并并使用to_csv函数后，它将其转换为数字并删除了前导0。

即使在to_csv之后，如何将列保持为“文本”？

我认为它的to_csv函数可以再次保存为数字添加了dtype = {'student_id'：str}，同时读取了csv ..但同时将其另存为to_csv ..再次将其转换为数字

Answer 1

它不会在merge删除前导零，而是在read_csv删除它。 您可以通过在导入时将列指定为字符串来解决此问题：

a = pd.read_csv('file1.csv', dtype={'student_id': str}, skipinitialspace=True)

重要的部分是dtype参数。 您正在告诉熊猫将此列作为字符串导入。 skipinitialspace参数设置为True，因为列标题是用空格定义的，所以我们将其剥离：

test_id, student_id
        ^ The student_id starts here, at the space

最终代码如下所示：

a = pd.read_csv('file1.csv', dtype={'student_id': str}, skipinitialspace=True)
df = pd.read_csv('file2.csv')
results = a.merge(df, how='left', on='test_id')

results数据帧如下所示：

    test_id     student_id  result
0   1           01990       pass
1   2           02300       NaN
2   3           05555       fail

然后，当您运行to_csv结果应为：

test_id,student_id, result
1,01990, pass
2,02300,
3,05555, fail

Answer 2

请注意，请使用merge或join 。 提供此答案的目的是为了让您更直观地了解熊猫所提供的灵活性，以及​​有多少种不同的方式来回答同一问题。

a = pd.read_csv('file1.csv', converters=dict(student_id=str), skipinitialspace=True)
df = pd.read_csv('file2.csv')
results = pd.concat(
    [d.set_index('test_id') for d in [a, df]],
    axis=1, join='outer'
).reset_index()

Answer 3

解决方案与join ，首先需要read_csv与参数dtype的转换student_id以string由和删除空格skipinitialspace ：

df1 = pd.read_csv(file1, dtype={'student_id': str}, skipinitialspace=True)
df2 = pd.read_csv(file2, skipinitialspace=True)

df = df1.join(df2.set_index('test_id'), on='test_id')
print (df)
   test_id student_id  result
0        1      01990    pass
1        2      02300     NaN
2        3      05555    fail

Answer 4

a = pd.read_csv(file1, dtype={'test_id': object})
df = pd.read_csv(file2, dtype={'test_id': object})

================================================== ============

In[28]: pd.merge(a, b, on='test_id', how='left')
Out[28]: 
  test_id   student_id  result
0      01         1990    pass
1      02         2300     NaN
2     003         5555    fail