pandas-合并字符串列不起作用（错误？）

Question

我正在尝试在两个数据框之间进行简单合并。它们来自两个不同的SQL表，其中连接键是字符串：

>>> df1.col1.dtype
dtype('O')
>>> df2.col2.dtype
dtype('O')

我尝试使用以下方法合并它们：

>>> merge_res = pd.merge(df1, df2, left_on='col1', right_on='col2')

内部联接的结果为空，这首先提示我相交中可能没有任何条目：

>>> merge_res.shape
(0, 19)

但是当我尝试匹配单个元素时，我看到了这种非常奇怪的行为。

# Pick random element in second dataframe
>>> df2.iloc[5,:].col2
'95498208100000'

# Manually look for it in the first dataframe
>>> df1[df1.col1 == '95498208100000']
0 rows × 19 columns
# Empty, which makes sense given the above merge result

# Now look for the same value as an integer
>>> df1[df1.col1 == 95498208100000]
1 rows × 19 columns
# FINDS THE ELEMENT!?!

因此，这些列是使用’object’dtype定义的。以字符串搜索它们不会产生任何结果。将它们搜索为整数确实会返回结果，并且我认为这就是合并在上方无法正常工作的原因。

有什么想法吗？

几乎有人认为Pandas可以df1.col1将其转换为整数，即使它在匹配 时应 被视为字符串。

（我尝试使用示例数据帧来复制此示例，但是对于较小的示例，我看不到这种行为。关于如何找到更具描述性的示例的任何建议也将不胜感激。）

Answer 1

问题是objectdtype具有误导性。我认为这意味着所有项目都是字符串。但是很明显，在读取文件时，pandas正在将某些元素转换为int，其余部分则保留为字符串。

解决方案是确保每个字段都是一个字符串：

>>> df1.col1 = df1.col1.astype(str)
>>> df2.col2 = df2.col2.astype(str)

然后合并按预期方式工作。

（我希望能有指定的方式dtype的str…）