熊猫合并pd.read_csv -不一致的数据返回

Question

我的问题是，我可以合并数据，但只能从特定的数据集。目标是将客户中断地图的数据与ISP合并。为了演示目的，我已经编辑了这些数据，使其成为通用的。

df1是来自计费系统的客户数据，包括名称、地址等。

df2是具有ONT SN和ONT状态的电子设备数据。

df2_Sub是从df2获取的数据子集，该数据将填充"ifOper“列，尽管df2的完整数据集将留下"ifOper”空白。

以下是每个数据集的外观

df1数据集

df2数据集

如果我注释掉了df2并使用了df2_Sub，我得到了以下内容：

Sub

否则，我使用更大的数据集，它添加"ifOper“列，但不添加数据。

在任何一个数据集上，“左”连接都会发生同样的情况，我得到列，但没有数据。

merge.dtypes也为两个数据集返回相同的类型。

任何建议都将不胜感激！

import pandas as pd

df1 = pd.read_csv("CX_Info.csv")
df2 = pd.read_csv("ONT_Status.csv")
#df2_Sub = pd.read_csv("Subset_ONT_Status.csv")


#merge = pd.merge(df1, df2, how="inner", on="ONT")
#merge.sort_values(by=['ONT'], inplace=True)

merge = pd.merge(df1, df2, left_on='ONT', right_on='ONT', how='left')

merge.reset_index(drop=True)
merge.reindex(axis = 0)

print(merge)
merge.to_csv('new_df.csv', index=False)

添加pd.to_dict()以供参考

df1

{
'ONT': 'ADTN20074B3C', 
'SERV_TYPE': 'RESIDENTIAL INTERNET                              ', 'ACCOUNT STATUS': 'CONNECTED', 
'MBRSEP': 555555, 
'NAME': 'CUSTOMER ONE               ', 
'SVC_ADDRESS': '223 COUNTY HWY 598          ', 
'CITY': 'JACKSON', 
'COUNTY': 'JEFFERSON                                            ', 'STATE': 'MS                                                ', 'ZIP': 55555, 
'PLANNAME': 'RESIDENTIAL 1 GIG', 
'LATITUDE': 23.97445452, 
'LONGITUDE': -54.774681}


df2
247: {'ONT': 'ADTN200052C3', 'ifOper': 'up'}, 248: {'ONT': 'ADTN19092222', 'ifOper': 'up'}, 249: {'ONT': 'ADTN18204592', 'ifOper': 'down'}

df2_sub

{0: {'ONT': 'ADTN19161620', 'ifOper': 'up'}, 1: {'ONT': 'ADTN19161397', 'ifOper': 'up'}, 2: {'ONT': 'ADTN19161350', 'ifOper': 'down'}, 3: {'ONT': 'ADTN19161216', 'ifOper': 'up'}, 4: {'ONT': 'ADTN185011e9', 'ifOper': 'up'}, 5: {'ONT': 'ADTN185011cc', 'ifOper': 'down'}

Answer 1

创建此问题是因为我的合并语句中有一个重复的数据框架。在删除重复并添加正确的df后，获得了所需的结果。

Answer 2

时间太长，暂时不能发表评论，可以稍后删除。

我试着运行以下代码，但无法从图像中复制任何数据格式。最后一个错误。请确保您可以使用from_dict反向生成您希望我们使用的数据。

import pandas as pd

df2 = pd.DataFrame.from_dict({247: {'ONT': 'ADTN200052C3', 'ifOper': 'up'}, 248: {'ONT': 'ADTN19092222', 'ifOper': 'up'}, 249: {'ONT': 'ADTN18204592', 'ifOper': 'down'}, })
df2_sub = pd.DataFrame.from_dict({0: {'ONT': 'ADTN19161620', 'ifOper': 'up'}, 1: {'ONT': 'ADTN19161397', 'ifOper': 'up'}, 2: {'ONT': 'ADTN19161350', 'ifOper': 'down'}, 3: {'ONT': 'ADTN19161216', 'ifOper': 'up'}, 4: {'ONT': 'ADTN185011e9', 'ifOper': 'up'}, 5: {'ONT': 'ADTN185011cc', 'ifOper': 'down'}})

df1 = pd.DataFrame.from_dict({'ONT': 'ADTN20074B3C',
'SERV_TYPE': 'RESIDENTIAL INTERNET',
'ACCOUNT STATUS': 'CONNECTED', 
'MBRSEP': 555555, 
'NAME': 'CUSTOMER ONE', 
'SVC_ADDRESS': '223 COUNTY HWY 598',
'CITY': 'JACKSON',
'COUNTY': 'JEFFERSON',
'STATE': 'MS',
'ZIP': 55555, 
'PLANNAME': 'RESIDENTIAL 1 GIG', 
'LATITUDE': 23.97445452, 
'LONGITUDE': -54.774681})