数据框中常见列之间的精确视觉匹配在合并时不匹配

Question

我正在尝试在一个公共列“long_name”上合并两个数据框。但是当我在“long_name”上合并时，某些名称并没有发生合并，即使看起来像视觉上完全匹配的名称（即“Lionel Andrés Messi Cuccittini”（df1）到“Lionel Andrés Messi Cuccittini”（df2））：

df_merged = df.merge(df1, on="long_name", indicator=True, how='right')

Lionel Messi 被排除在外，根据指标列，他是合并中的“仅右”行。奇怪的是，“内马尔·达席尔瓦·桑托斯·小桑托斯”正在合并。为什么行之间存在差异？两者的来源都是一致的，df 来自 kaggle，df2 来自 scraping，并且对所有行名提取使用相同的脚本。

我尝试使用以下代码将 Lionel Messi 条目与 df 和 df1 隔离开来：

name1 = df.loc[df.short_name == 'L. Messi', ["long_name"]]

name2 = df1.loc[df1.name == 'Lionel Messi', ["long_name"]]

name1.values == name2.values

但结果是array([[False]])。我不确定他们为什么不匹配。

第一个 df 看起来像这样（前 8 行，df = df.loc[0:7,["short_name", "long_name"]]）：

          short_name                            long_name
0           L. Messi       Lionel Andrés Messi Cuccittini
1  Cristiano Ronaldo  Cristiano Ronaldo dos Santos Aveiro
2          Neymar Jr        Neymar da Silva Santos Junior
3           J. Oblak                            Jan Oblak
4          E. Hazard                          Eden Hazard
5       K. De Bruyne                      Kevin De Bruyne
6      M. ter Stegen                Marc-André ter Stegen
7        V. van Dijk                      Virgil van Dijk

第二个 df 看起来像这样（前 8 行，df1 = df1.loc[0:7,["name", "long_name"]]）：

                name                      long_name
0      Kylian Mbappé     Kylian Sanmi Mbappé Lottin
1             Neymar  Neymar da Silva Santos Júnior
2      Mohamed Salah                      محمد صلاح
3         Harry Kane              Harry Edward Kane
4        Eden Hazard            Eden Michael Hazard
5       Lionel Messi  Lionel Andrés Messi Cuccitini
6    Raheem Sterling      Raheem Shaquille Sterling
7  Antoine Griezmann              Antoine Griezmann

Answer 1

您确定这不仅仅是名称拼写错误的情况吗？

df 将long_name 列为Lionel Andrés Messi Cuccittini，而df1 将其列为Lionel Andrés Messi Cuccitini。我注意到df 在Cuccittini 中有2 个t，但df 有1 个。

手动更正第二个数据帧并重试。