Python Pandas合并（和联接）是否无法通过后缀参数重命名列？

Question

我顺序地通过键列合并一些数据帧，但是我发现并没有按期望的那样使用后缀参数对列进行重命名。我正在使用Python 3.5和Panadas 0.19.2。

import pandas as pd
df0 = pd.DataFrame({'serial_num': ['01', '02', '03'], 'vals': ['A2', 'A3', 'A6']})
df1 = pd.DataFrame({'serial_num': ['01', '02', '03'], 'vals': ['B2', 'B3', 'B6']})
df2 = pd.DataFrame({'serial_num': ['01', '02', '03'], 'vals': ['C2', 'C3', 'C6']})

df_01 = pd.merge(df0, df1, on="serial_num", suffixes=("_df0","_df1"), copy=True)
print(df_01.columns)
df_012 = pd.merge(df_01, df2, on="serial_num", suffixes=("_foobar","_df2"), copy=True)
print(df_012.columns)

结果是：

Index(['serial_num', 'vals_df0', 'vals_df1'], dtype='object')
Index(['serial_num', 'vals_df0', 'vals_df1', 'vals'], dtype='object')

这很奇怪，因为Pandas documentation on merge不建议，这应该是结果。 print(df_012.columns)的预期结果是Index(['serial_num', 'vals_df0_foobar', 'vals_df1_foobar', 'vals_df2'], dtype='object')。看起来数据结果是正确的。我尝试了几种方法，包括copy = True，copy.deepcopy(merged_df)和copy.deepcopy(merged_df)。使用join（df_01 = df0.join(df1, on="serial_num", lsuffix="_df0", rsuffix="_df1"）可获得相似的结果。而且变得很奇怪，顺序合并最终会重命名列：

df3 = pd.DataFrame({'serial_num': ['01', '02', '03'], 'vals': ['D2', 'D3', 'D6']})
df_0123 = pd.merge(df_012, df3, on="serial_num", suffixes=("","_df3"), copy=True)
print(df_0123.columns)
df_01230 = pd.merge(df_0123, df1, on="serial_num", suffixes=("_foo","_bar"), copy=True)
print(df_01230.columns)

返回：

Index(['serial_num', 'vals_df0', 'vals_df1', 'vals', 'vals_df3'], dtype='object')
Index(['serial_num', 'vals_df0', 'vals_df1', 'vals_foo', 'vals_df3',
   'vals_bar'],
  dtype='object')

如果您遵循了所有这些规则，您会像我一样惊讶，合并突然将vals重命名为vals_foo吗？熊猫是否在其他所有调用中都无法通过后缀参数重命名列？

Answer 1

suffixes参数仅用于区分共享但我们不合并的名称。如文档所述：

后缀：2个长度的序列（元组，列表等）后缀适用于左右重叠的列名侧面

这里的关键词是重叠。

[在df0上合并df1和serial_num时，每个帧都有一个vals，由于后缀，它们会变成vals_df0和vals_df1。

然后将具有['serial_num', 'vals_df0', 'vals_df1']列的框架与具有['serial_num', 'vals']的框架合并。 vals都不存在，因此不需要使用任何后缀来区分它，我们得到['serial_num', 'vals_df0', 'vals_df1', 'vals']。

如果您希望将后缀应用于每个非共享列，则必须手动执行-这不是suffixes参数的作用。

Answer 2

Suffixes关键字仅在合并的数据框具有相同名称的列的情况下使用，它确保每个列具有唯一的名称。在第二次合并中，您将df01与列'serial_num'，'vals_df0'，'vals_df1'和df2与列'serial_num'，'val'合并。除了要合并的“ serial_no”之外，您没有任何重复的列名，因此最终得到“ serial_num”，“ vals_df0”，“ vals_df1”，“ vals”

Answer 3

以下是您要查找的内容的更新：在R中，我们可以与早期的输出结合，但是在python中，我们需要执行以下操作：

将熊猫作为pd导入

df0 = pd.DataFrame（{'serial_num'：['01'，'02'，'03']，'vals'：['A2'，'A3'，'A6']}）]

df1 = pd.DataFrame（{'serial_num'：['01'，'02'，'03']，'vals'：['B2'，'B3'，'B6']}）]

df2 = pd.DataFrame（{'serial_num'：['01'，'02'，'03']，'vals :: ['C2'，'C3'，'C6']}）]

df_01 = pd.merge（df0，df1，on =“ serial_num”，后缀=（“ _ df0”，“ _ df1”），copy = True）

print（df_01.columns）

df_02 = pd.merge（df1，df2，on =“ serial_num”，后缀=（“ _ df1”，“ _ df2”），copy = True）

print（df_02.columns）

df_final = pd.merge（df_01，df_02，copy = True）