我正在尝试使用公共(public)列合并两个 pandas 数据框(我从 csv 文件导入了两个数据框)。公共(public)列(键列)应该有一些相同的值,但大多数是不同的,所以我使用了外部合并。执行合并后,我意识到我的输出实际上只是将数据帧 2 添加到数据帧 1,而键列中的相同值实际上并没有合并到一行中。
例子:
import pandas as pd
#read csv files as dataframes
df1 = pd.read_table("genelist1.csv", sep=",")
df2 = pd.read_table("genelist2.csv", sep=",")
#print first 4 rows df1
df1[:4]
gene_id FC_1 p_1
name1 2 0.05
name2 3 0.01
name3 8 0.02
#print first 4 rows df2
df2[:4]
gene_id FC_2 p_2
name1 8 0.03
name2 3 0.01
name4 8 0.02
#Use outer merge to merge the two data frames using gene_id as key
df_merged = pd.merge(df1, df2, how='outer', on=['gene_id'])
我要:
df_merged
gene_id FC_1 p_1 FC_2 p_2
name1 2 0.05 8 0.03
name2 3 0.01 3 0.01
name3 8 0.02 nan nan
name4 nan nan 8 0.02
但我实际上得到:
df_merged
gene_id FC_1 p_1 FC_2 p_2
name1 2 0.05 nan nan
name2 3 0.01 nan nan
name3 8 0.02 nan nan
name1 nan nan 8 0.03
name2 nan nan 3 0.01
name4 nan nan 8 0.02
为了尝试解决这个问题,我使用了以下代码,它实际上可能指出了问题所在,但我确定我做错了什么。出于某种原因,我无法在数据框中“找到”值,即使我可以在那里看到它们也是如此。
#print first 4 rows
df1[:4]
gene_id FC_1 p_1
name1 2 0.05
name2 3 0.01
name3 8 0.02
'name1' in df1.gene_id
False
##The same is true when I do searches in df2, which might explain why the identical gene names aren't combining, but I have no idea why this is happening.
任何帮助将不胜感激,即使它只是将我指向一个我本应该已经研究过的先前提出的问题。
请您参考如下方法:
我能够解决类似的问题。第一步是使用 df1.dtypes 和 df2.dtypes 来确定我的列的数据类型。事实证明,我的公共(public)列 A 和 B 在 df1 和 中属于 。object 类型df2 中的 >int64
我最终对这两个都使用了 df1[['A','B']] = df1[['A','B']].astype('int64')列以确保 A 和 B 在每个数据框中具有相同的数据类型。然后合并工作正常。
