组合2个不等长日期熊猫

Question

我有两只长度不等的熊猫，我试图根据它们匹配的时间、月份、年份和plant_name来组合它们。我不确定merge/concat/join是最有效的还是使用了更少的内存，因为我的实际数据集非常大，而且我得到了意想不到的结果，如下面所示。例如，对于dataframe 1(Df1)，我的数据如下所示：

    plant_name business_name maint_region_name wind_speed_ms dataset  year  month  day  hour
0    CAETITE I        BRAZIL            BRAZIL          7.88    ERA5  2021      5   31    21
1    CAETITE I        BRAZIL            BRAZIL          7.95    ERA5  2021      5   31    20
2  RIO DO FOGO        BRAZIL            BRAZIL          7.72    ERA5  2021      1   31    19
3  RIO DO FOGO        BRAZIL            BRAZIL          7.68    ERA5  2021      1   31    18
4    CAETITE I        BRAZIL            BRAZIL          7.41    ERA5  2021      1   31    17
5    CAETITE I        BRAZIL            BRAZIL          7.32    ERA5  2021      1   31    16

并且，dataframe 2或df2：

  plant_name       vel  year  month  day  hour  
0  CAETITE I       NaN  2021      1   31    19
1  CAETITE I       NaN  2021      1   31    18
2  CAETITE I      5.42  2021      1   31    17
3  CAETITE I       NaN  2021      1   31    16

最后的df或df_combined应该如下所示：

    plant_name business_name maint_region_name wind_speed_ms dataset year month day hour  vel
0    CAETITE I        BRAZIL            BRAZIL          7.41    ERA5 2021     1  31   17 5.42
1    CAETITE I        BRAZIL            BRAZIL          7.32    ERA5 2021     1  31   16  NaN

我在下面尝试过许多类似的事情，但是每次尝试都会导致"df3“在实际数据中有相当多的行和列，比我预期的要多，所以我肯定做错了下面的方法：

df3 = df2.merge(df1[["plant_name","year","month","day","hour","wind_speed_ms"]], on=["plant_name"], how="left")

谢谢您抽时间见我。

Answer 1

你要找的是一个内部连接。此外，还需要将年份、月份、日期和小时添加到连接键中。以下是正确的答案：

df1.merge(df2, on=["plant_name", "year", "month", "day", "hour"], how="inner")