如何使用pandas的pd.merge合并int64与object类型的关联列

问题原因 #

合并操作要求两侧的连接键数据类型一致，你当前两个DataFrame的Alias Number列分别为int64、object类型，类型不匹配触发报错。

解决方案 #

将int64类型的Alias Number列统一转为字符串（object）类型即可，因为另一个列包含字母无法转为整数，只能做向字符串的统一转换。

方法1：提前修改原DataFrame列类型 #

假设ePPQ_NoNA_Alias的Alias Number为int64类型，执行转换代码：

# 转为字符串，同时去除前后空格避免异常匹配
ePPQ_NoNA_Alias['Alias Number'] = ePPQ_NoNA_Alias['Alias Number'].astype(str).str.strip()
# 可选：同时给object类型的列也做去空格处理，避免因多余空格匹配失败
FY17_NoNA_Alias['Alias Number'] = FY17_NoNA_Alias['Alias Number'].str.strip()

之后再执行你原本的merge代码即可正常运行：

ePPQ_FY17_file = pd.merge(ePPQ_NoNA_Alias, FY17_NoNA_Alias, 
                          how='left', on='Alias Number',
                          left_index=False, right_index=False)

方法2：临时转换类型，不修改原DataFrame #

如果不想改动原DataFrame的数据，可以在merge时临时转换连接键类型：

ePPQ_FY17_file = pd.merge(
    # 临时转换int类型列为字符串
    ePPQ_NoNA_Alias.assign(**{'Alias Number': lambda df: df['Alias Number'].astype(str).str.strip()}),
    # 临时处理object类型列的空格
    FY17_NoNA_Alias.assign(**{'Alias Number': lambda df: df['Alias Number'].str.strip()}),
    how='left',
    on='Alias Number'
)

注意事项 #

• 转换后如果匹配结果不符合预期，可以先检查两类值是否存在大小写差异、多余特殊字符等问题，提前清洗后再合并。

内容的提问来源于stack exchange，提问作者Aaron E Larson