合並不同長度的數據框，數據框中的Join列沒有唯一值

Question

我有泰坦尼克號數據集，其中數據包含在不同的csv文件中。 我需要將所有文件合並到一個數據框中以使用數據。 但是文件之一不是擁有唯一值的任何列。 我正在嘗試使用merge命令合並數據，但是記錄數卻增加了。

enter code here

DF1

    Ticket  Fare    Cabin   Embarked
0   110152  86.50   B79       S
1   110152  92.50   B77       S
2   110413  79.65   E67       S
3   110413  79.65   E68       S
4   110465  52.00   C110      S
5   110465  52.00   A14       S
6   110564  26.55   C52       S
7   110813  75.25   D37       C
8   111240  33.50   B19       S
9   111320  38.50   E63       S

df2 

        Survived    Ticket
PassengerId     
1         0         A/5 21171
2         1         PC 17599
3         1         STON/O2. 3101282
4         1         113803
5         0         373450
6         0         330877
7         0         17463
8         0         349909
9         1         347742
10        1         237736

對於相同的票號，有些票的價格不同。 這將為該乘客以不同的價格添加兩個相同機票號的記錄。

例如。 機票110152有兩個價格。 購入該票的任何客戶在合並兩個不同的價格后都有兩個記錄。

 pass
engerID   Survived  Ticket   Fare     Cabin  Embarked
 0    0       110152        86.50      NaN      S
 0    1       110152        90.50      C85      C
 1    1     STON/O2.3101   7.9250      NaN      S
 2    1      113803        53.1000     C123     S
 3    0      113803        53.1000     C123     S
 4    0       373450       8.0500       NaN     S

在這里，旅客0必須以不同的價格記錄，但合並后應該只有一個記錄。

Answer 1

如果我理解正確，那么問題在於合並語句之后有多個記錄。

您可以消除同一票證號的多個記錄，並僅保留1條記錄。 像這樣：

In [298]: df1['rank'] = df1.groupby('Ticket')['Fare'].rank('first',ascending=False)

In [299]: df1
Out[299]: 
   Ticket   Fare Cabin Embarked  rank
0  110152  86.50   B79        S   2.0
1  110152  92.50   B77        S   1.0
2  110413  79.65   E67        S   1.0
3  110413  79.65   E68        S   2.0
4  110465  52.00  C110        S   1.0
5  110465  52.00   A14        S   2.0
6  110564  26.55   C52        S   1.0
7  110813  75.25   D37        C   1.0
8  111240  33.50   B19        S   1.0
9  111320  38.50   E63        S   1.0

In [303]: df1 = df1.query('rank == 1.0').drop('rank',1)

In [304]: df1
Out[304]: 

   Ticket   Fare Cabin Embarked
1  110152  92.50   B77        S
2  110413  79.65   E67        S
4  110465  52.00  C110        S
6  110564  26.55   C52        S
7  110813  75.25   D37        C
8  111240  33.50   B19        S
9  111320  38.50   E63        S

現在，如果看到，則df1每個票證號碼只有1條記錄。 現在，您的merge語句將不會產生重復項。

讓我知道是否有幫助。