df.join() 出现问题：ValueError：您正在尝试合并对象和 int64 列

Question

这些问题都没有解决这个问题：Question 1 和 Question 2 我也无法在 pandas 文档中找到答案。

您好，我正在尝试查找此错误的根本原因：

ValueError: You are trying to merge on object and int64 columns.

我知道我可以使用 pandas concat 或 merge 函数解决此问题，但我正在尝试了解错误的原因。问题是：为什么我会得到这个ValueError？

这是使用的两个数据帧上 head(5) 和 info() 的输出。

print(the_big_df.head(5)) 输出：

  account  apt  apt_p  balance       date  day    flag  month  reps     reqid  year
0  AA0420    0    0.0  -578.30 2019-03-01    1       1      3    10  82f2d761  2019
1  AA0420    0    0.1  -578.30 2019-03-02    2       1      3    10  82f2d761  2019
2  AA0420    0    0.1  -578.30 2019-03-03    3       1      3    10  82f2d761  2019
3  AA0421    0    0.1  -607.30 2019-03-04    4       1      3    10  82f2d761  2019
4  AA0421    0    0.1  -610.21 2019-03-05    5       1      3    10  82f2d761  2019

print(the_big_df.info()) 输出：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 36054 entries, 0 to 36053
Data columns (total 11 columns):
account        36054 non-null object
apt            36054 non-null int64
apt_p          36054 non-null float64
balance        36054 non-null float64
date           36054 non-null datetime64[ns]
day            36054 non-null int64
flag           36054 non-null int64
month          36054 non-null int64
reps           36054 non-null int32
reqid          36054 non-null object
year           36054 non-null int64
dtypes: datetime64[ns](1), float64(2), int32(1), int64(5), object(2)
memory usage: 3.2+ MB

这是我传递给join() 的数据框； print(df_to_join.head(5)):

      reqid     id
0  54580f39  13301
1  3ba905c0  77114
2  5f2d80da  13302
3  a1478e98  77115
4  9b09854b  78598

print(df_to_join.info()) 输出：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 14332 entries, 0 to 14331
Data columns (total 2 columns):
reqid    14332 non-null object
dni      14332 non-null object

上述 4 次打印之后的确切下一行是：

the_max_df = the_big_df.join(df_to_join,on='reqid')

如前所述，输出是：

ValueError: You are trying to merge on object and int64 columns. If you wish to proceed you should use pd.concat

为什么会发生这种情况，在明确指出列reqid 是两个数据帧中的对象之前？谢谢。

Answer 1

使用pandas.DataFrame.merge。

见docs for merge

Answer 2

这里的问题是对连接如何工作的误解：当你说the_big_df.join(df_to_join,on='reqid') 它并不意味着加入the_big_df.reqid == df_to_join.reqid 就像乍一看那样，而是加入the_big_df.reqid == df_to_join.index。由于requid 的类型为object，而索引的类型为int64，您会收到错误消息。

见docs for join：

在索引或键列上将列与其他 DataFrame 连接。
...
on：str，str 列表，或类似数组，可选
调用者中的列或索引级别名称加入 other 中的索引，否则加入 index-on-index。

看下面的例子：

df1 = pd.DataFrame({'id1': [1, 2], 'val1': [11,12]})
df2 = pd.DataFrame({'id2': [3, 4], 'val2': [21,22]})
print(df1)
#   id1  val1
#0    1    11
#1    2    12
print(df2)
#   id2  val2
#0    3    21
#1    4    22

# join on df1.id1 (int64) == df2.index (int64) 
print(df1.join(df2, on='id1'))
#   id1  val1  id2  val2
#0    1    11  4.0  22.0
#1    2    12  NaN   NaN

# now df3 same as df1 but id3 as object:
df3 = pd.DataFrame({'id3': ['1', '2'], 'val1': [11,12]})

# try to join on df3.id3 (object) == df2.index (int64) 
df3.join(df2, on='id3')
#ValueError: You are trying to merge on object and int64 columns. If you wish to proceed you should use pd.concat

---

请注意：以上内容适用于现代版本的熊猫。 20.3 版给出了以下结果：

>>> df3.join(df2, on='id3')
  id3  val1  id2  val2
0   1    11  NaN   NaN
1   2    12  NaN   NaN

Answer 3

您为什么不对两个 reqid 列进行 astype(str) 并查看它是否仍然是一个问题。