在使用Pandas的 pd.merge() 报错:ValueError: You are trying to merge on int64 and object columns.

以下这是我的处理这个问题的方式

1. 原因

df_data = pd.merge( df_1, df_2, on=['A', 'B'] )

如果df_1里面的A或B的类型和df_2里面的数据类型不同,一般情况是字符串(str)和数据类型(int,float)的不同,在运行时,就会出现报错:ValueError: You are trying to merge on int64 and object columns.

2.解决方法 :把df_1和df_2的对应的on=['A', 'B'] 数据类型统一化,即可。

例如:

df1_1的字段A是数据类型,df1_2的字段A是字符串类型,那么统一成字符串类型就行了。

多加一行代码:df_1['A'] = df_1['A'].astype(str)

然后在进行后面的合并 df_data = pd.merge( df_1, df_2, on=['A', 'B'] ) 即可。

还有其他的方式解决,多尝试即可。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: 这个错误通常是因为合并的两个 DataFrame 中的某一列数据类型不一致,一个是 object 类型,一个是 int64 类型,无法直接进行合并。解决方法是将两个 DataFrame 中的该列数据类型统一为相同的类型,比如都转为 object 类型,或者都转为 int64 类型。如果数据类型难以转换,可以考虑使用 pd.concat() 进行拼接。 ### 回答2: 这个错误提示是因为在合并数据时,使用了对象类型的列和int64类型的列进行了合并操作。解决这个问题可以使用pd.concat函数。 pd.concat函数是pandas库中用于进行数据合并的函数。它可以在多个轴上进行数据合并,包括行轴和列轴。在这种情况下,我们可以使用该函数来将两个数据帧按照列轴进行合并。 具体的步骤如下: 1. 导入pandas库:import pandas as pd 2. 创建两个数据帧df1和df2 3. 使用pd.concat函数进行合并:df = pd.concat([df1, df2], axis=1) - 第一个参数是一个包含要合并的数据帧的列表,这里是[df1, df2] - 第二个参数是合并的轴,这里是按列合并,所以是axis=1 4. 合并后的结果保存在df中,你可以继续使用df进行后续的操作。 记住,在使用pd.concat函数进行合并时,要确保要合并的数据帧的维度匹配,否则可能会引发其他的错误。 ### 回答3: 这个错误是由于在合并数据时,尝试将对象和int64类型的列进行合并而引起的。要解决这个问题,可以使用pd.concat函数来进行合并。 pd.concat函数用于在pandas中合并数据。它可以将两个或多个数据帧按行或按列的方式进行合并。如果要将数据帧按列进行合并,可以将axis参数设置为1。 例如,假设我们有两个数据帧df1和df2,它们包含相同的列名。如果我们想将它们按列进行合并,我们可以使用pd.concat函数: merged_df = pd.concat([df1, df2], axis=1) 在这里,pd.concat函数将按列合并df1和df2,并将结果保存在merged_df中。 相反,如果我们想按行合并数据帧,可以将axis参数设置为0。例如: merged_df = pd.concat([df1, df2], axis=0) 这样,pd.concat函数将按行合并df1和df2。 所以,当我们尝试将对象和int64类型的列进行合并时,通常意味着我们需要将它们转换为相同的类型。在这种情况下,使用pd.concat函数是一个很好的解决方案。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值