使用pd.merge进行表连接，出现多余行的问题

本文的目标是将表1论文及出版物与表2出版物及其指标进行匹配。


利用pandas的merge函数实现表的左外连接。左外连接即左表的外连接&＃xff0c;左表保持不变&＃xff0c;匹配右表的行&＃xff08;合并后右表肯能存在空值&＃xff09;。

paperPublicationIndicator &＃61; pd.merge(paperPublication,publicationIndicator,how&＃61;&＃39;left&＃39;,left_on&＃61;&＃39;出版物&＃39;,right_on&＃61;&＃39;名称&＃39;,sort&＃61;False)


结果发现连接后表多出来13行。进行探究发现是表2出版物指标信息中存在 出版物A-指标1&＃xff0c;出版物A-指标2这样的出版物重复行。记性匹配后会出现&＃xff1a;

出版物 名称 指标
出版物A 出版物A 指标1
出版物A 出版物A 指标2 #多余的行


这里选择预先删除 表2出版物指标 中的重复出版物信息。

publicationIndicator.drop_duplicates(subset&＃61;[&＃39;名称&＃39;],keep&＃61;&＃39;first&＃39;,inplace&＃61;True)


这样结果就没有问题了。