Pandas：两列匹配的数据框合并错误

Question

我有 2 个数据框，它们看起来与下面的一个非常接近（有额外的列，但不应该影响结果）：

编辑：根据要求添加了额外的变量。 - 号表示缺失数据

数据框1

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

理想情况下，结果应该是 dataframe 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          -

当我对我的真实数据集进行合并时，使用以下代码：

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

我得到了错误的结果，因为额外列中的数字（为清楚起见而省略）有时会加倍/三倍。

编辑： 这似乎是因为它将 dataframe1 中的空 ProductID 字段与 dataframe2 中的空 productID 匹配。我需要省略这个。

我真正需要的是一个简单的合并，当它在 dataframe1 中找到与 productId 和 Date 匹配时，将 dataframe2 的实际速率添加为新列。应排除 dataframe2 中的任何额外项，并且不应排除 dataframe1 中的任何匹配项。

我也试过了，对，内，外，合并。

它似乎总是以完全相同的方式扭曲结果（将某些订单项加倍和三倍）。

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

---

如果您的ProductID 列中有NaN

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