在同一列上从 df1 合并到 df2 - 扩展数据集

Question

我犯了一个小错误，我不确定如何正确合并两个 df 。我想合并 IBES_cusip 以将 gvkey 放入 df1。

我尝试以下操作，但它只是扩展数据集并且不正确匹配：

df1 = df1.merge(df2, how = 'left', on =['IBES_cusip'])

df1

       IBES_cusip       pends pdicity  ... ltg_eps  futepsgrowth 

0        00036110  1983-05-31     ANN  ...     NaN           NaN  

1        00036110  1983-05-31     ANN  ...     NaN           NaN  

2        00036110  1983-05-31     ANN  ...     NaN           NaN  

3        98970110  1983-05-31     ANN  ...     NaN           NaN  

4        98970110  1983-05-31     ANN  ...     NaN           NaN  

          ...         ...     ...  ...     ...           ...      

373472   98970111  2018-12-31     ANN  ...   10.00      0.381119  

373473   98970111  2018-12-31 

df2

         gvkey IBES_cusip

0       024538   86037010

1       004678   33791510

2       066367   26357810

3       137024   06985P20

4       137024   06985P20

       ...        ...

833796  028955   33975610

833797  061676   17737610

833798  011096   92035510

833799  005774   44448210

833800  008286   69489010

Answer 1

您的主要问题是您的列df2中包含重复的值IBES_cusip。从你提供的样本中我可以看到3       137024   06985P20 4       137024   06985P20是相同的值，这会导致得到不需要的结果（输出中出现重复的行）。尝试这个df1 = df1.merge(df2.drop_duplicates(subset=['IBES_cusip']), how='left', on='IBES_cusip')从技术上讲，这应该只是gvkey向您的df1.这假设您非常确定没有相同的行与IBES_cusip不同的行匹配gvkey，否则您需要首先弄清楚这一点。