は、マジックを得ることができないか、またはPythonのパンダで動作するように結合するように見えません。

Question

私はpandasに参加/合併する際にいくつかの問題があるようです。 （私は今まで、この問題を持っていたことがありません）だから、今の私はこれまでのところ、このコードを持っている：

from difflib import SequenceMatcher 
import pandas as pd 
import numpy as np 
import pyodbc 

conn_str = (
      r'Driver={SQL Server};' 
      r'Server=fake.fake.lan;' 
      r'Database=fake;' 
      r'Trusted_Connection=yes;' 
      ) 

cnxn = pyodbc.connect(conn_str) 

attr = pd.read_excel('AttrList.xlsx') 

attr['PATIENT NAME1'] = attr['LAST_NAME'] + ', ' + attr['FIRST_NAME'] 

sql = '''SELECT ssn.Client_ID, 
     ssn.SSN, 
     n.LastName + ', ' + n.FirstName AS clientname 
FROM limiteddb.dbo.Client_SSN AS ssn 
     INNER JOIN limiteddb.dbo.ClientName AS n ON n.Client_ID = ssn.Client_ID 
              AND n.ORG_ID = 1;''' 

data = pd.DataFrame(pd.read_sql(sql, cnxn)) 

は今、この時点で私は私がSSNに基づいて一緒にマージしたい2つのデータフレームを持っています。 （どちらもSSNの列を持っています）しかし何らかの理由で、私はそれを動作させるように見えません。

私は以下を試しましたが、私がマージすると、私の2つのSSN列が一致しません。 （例えば、私はSSN1は485358751とSSN2は、行1の952147652なることがありますすべての私の例は偽物です）2つのSSNのいずれもが互いに一致するように見えるん：私もマージを試してみた

merged = attr.join(data, lsuffix='1', rsuffix='2')` 

しかし、私は私のデータのほとんど全体のためのNaN値で羽目になる：

merged = pd.merge(attr, data, on='SSN', how='outer') 

私はExcelのデータを見てきたし、私はそこに試合を見たとき、私は私のデータの約90％が持っている必要があることを知っています一致したSSN。私は自分のデータ型もチェックしました。どんな提案/アイデアや助けもありがとうございます。

EDIT：不思議な人のために、私は明らかにJoins/mergesを持っています。私はそれらを行う方法を知っています。私はこれを引き起こしているのかどうかはわかりませんが、何らかの理由で私の2つのデータフレームが、多くのSSNを共有していることを認識しません。内部結合を行うと、私のデータフレームは空です。 SSNの両方がオブジェクトであることを確認しました。 attr['SSN'] = attr['SSN'].astype(object)

EDIT：インポートした2つのデータフレームの印刷データ型は次のとおりです。

ATTR： RISK_SCOREのfloat64 ヘルスプランオブジェクト THL_STATUSオブジェクト ASSIGNED DATE /起因日付オブジェクト ADDRESSオブジェクト 電話番号が 保険のfloat64

LAST_NAMEオブジェクト FIRST_NAMEオブジェクト ALTRUISTA_ID PATIENT_DOBオブジェクト RISK_CATEGORY_NAMEオブジェクト INT64 ID float64 SSN int64 PROGRAM_NAME Sオブジェクト LAST_CLAIMのfloat64 LAST_VISIT_DATEのfloat64 NEXT_VISIT_DATEのfloat64 PCP_NAMEオブジェクト ER_VISITSのInt64 APP_VISITSのInt64 ADTDAYS_COUNTのInt64 DUE_DAYSのInt64 DTYPE：オブジェクト

データ： SSNオブジェクト CLIENTNAMEオブジェクト DTYPEのInt64

CLIENT_ID ：オブジェクト

この時点で私はSSNをattrデータフレームから文字列にキャストする必要があります。私はこのためにattr['SSN'].apply(str)を使用しています。 （私はattr['SSN'] = attr['SSN'].astype(object)を使用していましたが、動作していませんでした。これは私の最初の問題だと思っています。）これを実行すると、データ型が変更されたことがわかります。今すぐ私のマージのため：merged = pd.merge(attr, data, on='SSN', how='outer')。それは働いたように見えます！

Answer 1

joinデフォルトではインデックスに結合されているため、DataFrameのインデックスとしてSSNを使用しない限り、結果は一致しません。インデックスに参加したくない場合は、on引数で結合する列を指定できます。 （それはまたjoinが左にまたはあなたが望むものであってもなくてもよい、デフォルトで参加しないことは注目に値します。）how='outer'と

merge任意の行では、存在する場合（外部結合の定義による）あなたNaN Sを与えます1つのDataFrameは指定されたキーで照合するときには他のDataFrameを使用しません。だから、私はNaNが、DataFrames間にSSNの完全な1：1マッピングがない限り、期待しています。あなたがやろうとしていることに応じて、innerに参加する方が合理的でしょうか？