Pandas外连接未按预期工作：Bixi数据集合并异常求助

核心原因：连接键数据类型不匹配 #

这是pandas merge的典型问题：当左表df的Code和右表df_ride的start_station_code数据类型不一致时，会出现看似矛盾的结果：

• 左连接（how='left'）完整保留左表所有行，所以能找到Code=7150的记录；
• 外连接（how='outer'）保留左右表所有未匹配行，但类型不匹配导致7150（如整数类型）和'7150'（如字符串类型）无法匹配，左表的该行虽被保留，但你筛选时可能因类型问题没识别到，或因数据集过大没定位到目标行。

排查步骤 #

1. 检查连接键的数据类型：

print(df['Code'].dtype)
print(df_ride['start_station_code'].dtype)

若输出为int64和object（或相反），则确认类型不匹配。

2. 验证目标行是否存在：
   避免直接用==7150筛选，改用类型兼容的方式：

# 查看Code列非空唯一值
print(outer_merged_df['Code'].dropna().unique())

# 按字符串类型匹配筛选
print(outer_merged_df[outer_merged_df['Code'].astype(str) == '7150'])
# 或检查是否为浮点型的7150.0（因外连接填充NaN导致列类型转换）
print(outer_merged_df[outer_merged_df['Code'] == 7150.0])

解决方法 #

统一连接键类型后再执行外连接：

# 方案1：将左表Code转为字符串
df['Code'] = df['Code'].astype(str)

# 方案2：将右表start_station_code转为整数（处理非数值异常）
df_ride['start_station_code'] = pd.to_numeric(df_ride['start_station_code'], errors='coerce')

# 重新执行外连接
outer_merged_df = pd.merge(df, df_ride, left_on='Code', right_on='start_station_code', how='outer', indicator=True)

# 现在可正常筛选
print(outer_merged_df[outer_merged_df['Code'] == '7150']) # 对应方案1
# 或
print(outer_merged_df[outer_merged_df['Code'] == 7150]) # 对应方案2

补充说明 #

外连接时pandas不会自动做隐式类型转换（左连接因仅保留左表行，你看到的是原始类型数据），类型不匹配会导致键无法匹配，左右表目标行被单独保留，但筛选时类型不匹配就会出现“找不到”的错觉。

内容的提问来源于stack exchange，提问作者Jenia Be Nice Please