Pandas与indicator=True的内外融合

Question

假设我有两个数据格式：df1和df2。我可以这样做一个内部连接和一个外部连接：

inner_df = df1.merge(df2, how="inner", left_on=col_df1, right_on=col_df2)
outer_df = df1.merge(df2, how="outer", left_on=col_df1, right_on=col_df2)

DataFrame.merge方法允许您使用indicator属性:如果为True，则在输出DataFrame中添加一个列，其中包含关于每行源的信息，名为"_merge“。该列的值为“left_only”，其合并键只出现在“左”DataFrame中，"right_only“表示其合并键仅出现在‘右’DataFrame中，而”两者都“，如果在两者中都找到该观察的合并键。

我不确定我是否正确地理解了这个属性的作用。下面是我的问题:这两段代码是否等效？

inner_df = df1.merge(df2, how="inner", left_on=col_df1, right_on=col_df2)

outer_df = df1.merge(df2, how="outer", left_on=col_df1, right_on=col_df2,
                     indicator=True)
inner_df = outer_df[outer_df['_merge'] == 'both'].drop(columns=["_merge"])

Answer 1

这两个合并返回相同的行。但不是完全相同的数据。不同之处是：

1. inner_df2有一个额外的列_merge列-好的，如果用...drop(columns='_merge')
2. The列处理它很简单，那么可能已经填充了NaN值。如果某些类型具有整数类型，则它们已转换为浮点数类型。这通常不是一个主要问题，因为一旦您只选择没有NaN值的行，就可以将它们转换回原来的类型。是，在一个用例中是一个严重的问题:如果您有一个numpy int64类型并使用超过53位的值。在这种情况下，第四次和向后转换将使最小有效位为零。这将导致不精确的值--它们表示某些度量，或者如果它们是标识符，则更糟。

长话短说:两者是否等价实际上取决于实际的用例.