内部加盟pandas

Question

我有两个数据框：

• 第一个是从清单数据库中提取的。数据解释了价值、路线（起点和终点）以及实际的 SLA

awb_number   route    value       sla_actual (days)
01           A - B    24,000          2
02           A - C    25,000          3
03           C - B    29,000          5
04           B - D    35,000          6

• 第二个 dataframe 解释了路线（起点和终点）以及内部 SLA（3PL SLA）。

route       sla_partner (days)
A - B           4
B - A           3
A - C           3
B - D           5

我想调查 SLA 实际和 3PL SLA 之间的差距，所以我要做的是根据路线加入这两个数据帧。

我以为结果会是这样的：

awb_number    route    value      sla_actual     sla_partner
01            A - B    24,000         2             4
02            A - C    25,000         3             3
03            C - B    29,000         5             NaN
04            B - D    35,000         6             5

我所做的是：

df_sla_check = pd.merge(df_actual, df_sla_partner, on = ['route_city_lazada'], how = 'inner')

第一个 dataframe 有 36,000 行，而第二个 dataframe 有 20,000 行，但结果返回超过 700,000 行。 我的逻辑有问题吗？ 它不应该返回大约 20,000 行 - 36,000 行吗？

有人可以帮我如何正确地做到这一点吗？

先感谢您

Answer 1

应用左外连接。 我认为它会解决问题。

Answer 2

根据@boi-doingthings 和@Peddi Santhoshkumar 提出的观点，我还建议使用left连接符，例如以下数据集：

df_sla_check = pd.merge(df_actual, df_sla_partner, on=['route'], how='left')

对于您所展示的内容， 'route'可能是您专栏的合适名称。

Answer 3

请确认参数中传入的on字段。 此外，您应该检查发生连接的唯一键的数量。 加入的 dataframe 中峰值的最自然原因是df1的一个记录被映射到df2的多个记录，反之亦然。

df1.route.value_counts()
df2.route.value_counts()

另一种方法是将how参数更改为“left”。