Diagnostiquer les mauvaises jointures

Une jointure incorrecte ne renvoie que rarement une erreur. Elle renvoie simplement les mauvaises lignes ; vérifiez donc toujours le résultat vous-même.

Le test rapide le plus simple est shape. Comparez le nombre de lignes avant et après la jointure pour repérer rapidement les surprises.

Si le résultat est plus grand que prévu, votre clé se répète probablement d’un côté, ce qui entraîne la multiplication des lignes.

Un résultat de jointure interne réduit signifie que les clés ne se sont pas correspondance, souvent à cause de fautes de frappe, de la casse ou d’espaces en fin de chaîne.

Définissez indicator=True et merge ajoute une colonne _merge indiquant si chaque ligne provient de la table de gauche, de droite ou des deux.

Comptez les valeurs de _merge pour voir précisément combien de clés correspondent des deux côtés et combien ne correspondent que d’un seul côté.

Filtrez les lignes left_only pour voir précisément quelles clés n’ont pas trouvé de partenaire dans l’autre table.

L’argument validate impose votre hypothèse. Transmettez one_to_one et pandas renvoie une erreur si une clé se répète de manière inattendue.

Supprimez les espaces superflus et harmonisez la casse des colonnes clés au préalable. Un rapide str.strip évite la plupart des correspondances manquées silencieusement.

Comparez le dtype de chaque colonne clé entre les tables. Une chaîne comparée à un entier ne correspondra jamais, quelles que soient les valeurs.

Vérifiez toujours la forme et la répartition de _merge après une jointure. Deux secondes maintenant vous évitent un bogue silencieux plus tard. 🔍

Vous savez maintenant diagnostiquer les jointures à l’aide de vérifications de shape, de la colonne indicatrice et de validate, tout en nettoyant les clés pour éviter les correspondances manquées silencieusement. Travail solide !