パンダは：</p> <p><strong>編集</strong>：追加されました余分な変数DATAFRAME 2つの列とエラーが

Question

一致マージ私は、以下のいずれかに非常に密接に見て2つのデータフレームを持っている（ただし、結果に影響を与えてはならない追加の列があります）必要に応じて - 記号は、失われたデータ

dataframe1を意味

ProductID  Date   Booked Rate 

10    01/01/2017  10.0 
10    02/01/2017  0.3 
10    03/01/2017  70.4 
20    01/01/2017  100.0 
20    02/01/2017  70.0 
20    03/01/2017  0.1 
-    04/01/2017  0.5 

dataframe2

ProductID  Date   Actual Rate 

10    01/01/2017  11.0 
10    02/01/2017  12.3 
10    03/01/2017  75.4 
20    01/01/2017  110.0 
20    02/01/2017  80.0 
30    03/01/2017  10.1 
-    04/01/2017  0.7 

は、理想的には結果がでなければなりませんデータフレーム3：

ProductID  Date   Booked Rate Actual Rate 

10   01/01/2017  10.0   11.0 
10   02/01/2017  0.3   12.3 
10   03/01/2017  70.4   75.4 
20   01/01/2017  100.0  110.0 
20   02/01/2017  70.0   80.0 
20   03/01/2017  0.1   - 
-    04/01/2017  0.5   - 

私は次のコードを使用して、私の本当のデータセットにマージを行います。

df3 = pd.merge(left=df1, right=df2, how="left", left_on=["ProductID", "Date"], right_on=["ProductID", "Date"]) 

私は（明確にするためommited）余分な列から数字として間違った結果を得ることが時々倍増している/三倍。

編集：これは、dataframe1の空のProductIDフィールドとdataframe2の空のproductIDが一致するためです。私はこれを外す必要があります。

本当に必要なのは、dataframe1のproductIdとDateに一致するものが見つかると、dataframe2の実際のレートが新しい列として追加される単純なマージです。 dataframe2の余分な項目は除外されるべきであり、dataframe1の中のどの項目も除外されるべきではありません。

また、右、内側、外側、マージを試しました。

結果は同じ正確な方法で（特定の広告申込情報を倍増または3倍に）常に歪ませるようです。

Answer 1

使用pd.merge

dataframe1.merge(dataframe2, on=['ProductID', 'Date'], how='left') 

    ProductID  Date Booked Rate Actual Rate 
0   10 01/01/2017   10.0   11.0 
1   10 02/01/2017   0.3   12.3 
2   10 03/01/2017   70.4   75.4 
3   20 01/01/2017  100.0  110.0 
4   20 02/01/2017   70.0   80.0 
5   20 03/01/2017   0.1   NaN 

---

あなたProductID列にNaNを持っている場合は

d1 = dataframe1.dropna(subset=['ProductID']) 
d2 = dataframe2.dropna(subset=['ProductID']) 

print(d1.merge(d2, on=['ProductID', 'Date'], how='left')) 

    ProductID  Date Booked Rate Actual Rate 
0  10 01/01/2017   10.0   11.0 
1  10 02/01/2017   0.3   12.3 
2  10 03/01/2017   70.4   75.4 
3  20 01/01/2017  100.0  110.0 
4  20 02/01/2017   70.0   80.0 
5  20 03/01/2017   0.1   NaN