tablas - Python Pandas fusionan solo ciertas columnas

seleccionar columnas en pandas

Question

¿Es posible fusionar solo algunas columnas? Tengo un DataFrame df1 con columnas x, y, z y df2 con columnas x, a, b, c, d, e, f, etc.

Quiero fusionar los dos DataFrames en x, pero solo quiero fusionar las columnas df2.a, df2.b, no todo el DataFrame.

El resultado sería un DataFrame con x, y, z, a, b.

Podría fusionar y luego eliminar las columnas no deseadas, pero parece que hay un método mejor.

Answer 1

Desea utilizar DOS corchetes, por lo que si está realizando una acción VLOOKUP:

df = pd.merge(df,df2[[''Key_Column'',''Target_Column'']],on=''Key_Column'', how=''left'')

Esto le dará todo en el df original y agregará esa columna correspondiente en df2 a la que desea unirse.

Answer 2

Esto es para fusionar columnas seleccionadas de dos tablas.

Si table_1 contiene t1_a,t1_b,t1_c..,id,..t1_z columnas y table_2 contiene t2_a,t2_b,t2_c...,id,..t2_z columnas, y solo t1_a, id, t2_a son obligatorios en la tabla final , entonces

mergedCSV = table_1[[''t1_a'',''id'']].merge(table_2[[''t2_a'',''id'']], on = ''id'',how = ''left'')

#save resulting output file

mergedCSV.to_csv(''output.csv'',index = False)

Answer 3

Podría fusionar el Sub-DataFrame (con solo esas columnas):

df2[list(''xab'')]  # df2 but only with columns x, a, and b

df1.merge(df2[list(''xab'')])

Answer 4

Puede usar .loc para seleccionar las columnas específicas con todas las filas y luego extraerlas. Un ejemplo es a continuación:

pandas.merge(dataframe1, dataframe2.iloc[:, [0:5]], how=''left'', on=''key'')

En este ejemplo, está fusionando dataframe1 y dataframe2. Has elegido hacer una combinación externa izquierda en ''clave''. Sin embargo, para dataframe2 ha especificado .iloc que le permite especificar las filas y columnas que desea en un formato numérico. Usando : seleccionando todas las filas, pero [0:5] selecciona las primeras 5 columnas. Puede usar .loc para especificar por nombre, pero si trabaja con nombres largos de columna, entonces .iloc puede ser mejor.