多个数据框包含一个相同的列

Question

我试图在同一列 (accident_no) 的基础上合并 7 个不同的数据框，但问题是某些数据框包含更多行和 (accident_no) 的重复，例如

table 1（意外）包含 200 个 accident_no（所有唯一），table 3 包含 196 个 accident_no（所有唯一）但 table 4 (Person) 包含 400 accident_no（一些重复），因为可能有多名乘客涉及同一事故，所以 accident_no 将相同，信息可用于分析。

我面临的问题是我尝试了连接、连接、合并，但答案达到了最高行数，而我得到的行数超过了 400。

到目前为止，我尝试了以下方法：

dfs = [df1,df2,df3,df5,df6,df7]
df_final = reduce(lambda left,right: pd.merge(left,right,on='ACCIDENT_NO', how = 'left'), dfs)

和

dfs = [df.set_index(['ACCIDENT_NO']) for df in [df1, df2, df3, df4, df5, df6, df7]]

print(pd.concat(dfs, axis=1).reset_index())

那么，我可能会得到超过 400 行还是我做错了什么？

谢谢

Answer 1

你可以试试;

table1 = table1.merge(table2,on = ['accident_no'],how = 'left')

并尝试其他表。

Answer 2

考虑在每个数据框中创建一个包含 groupby().cumcount() 的人数列，然后连接人员和事故标识符：

dfs = [
    (df.assign(
        PERSON_NO = lambda x: x.groupby(["ACCIDENT_NO"]).cumcount().add(1)
       ).set_index(["PERSON_NO", "ACCIDENT_NO"])
    )
    for df in [df1, df2, df3, df4, df5, df6, df7]
]

final_df = pd.concat(dfs, axis=1).reset_index()

多个数据框包含一个相同的列

Multiple data frames contains one same column

python

merge

concatenation

dataframe