今回の課題

train.csv(train_df)を左、tranaction.csv(transaction_df)を右側で左外部結合したところ、
transaction_dfのtransactionsカラムがNaNになってしまった。

原因としては、
結合するためのキーとして設定していたdateカラムが、
train_dfとtransaction_dfの間で一つも一致するものが無く、うまく結合ができていなかっただけだった...。

初歩的な原因ではあったが、
pythonでデータの結合を試行錯誤した記録としてメモに残すことにした。

※補足
Store Sales - Time Series Forecastingで配布されているCSVデータを少し加工して、結合しようとしました。

試行錯誤した内容

transaction_date_family_train_df = pd.merge(train_df, transaction_df, on=['date', 'store_nbr'], how='left')
transaction_date_family_train_df.head()

これだと、transaction_df側の、transactionsカラムがNaNってしまった。

transaction_date_family_train_df = pd.merge(train_df, transaction_df, on=['date', 'store_nbr'], how='right')
transaction_date_family_train_df.head()

これだと、train_df側のsalesカラムとonpromotionカラムがNULLとなってしまった。

transaction_date_family_train_df = pd.merge(train_df, transaction_df, on=['date', 'store_nbr'], how='inner')
transaction_date_family_train_df.head()

生成したデータフレームにはデータが何も格納されなかった。

上記のように試行錯誤した結果、
結合のキーに設定しているカラムに問題があるのではないか？ と考えた。

そして、下記の2つを試してみた。

この2つを試してみると、
store_nbrだけをキーにして結合する場合は、データが抽出されるのに対して、
dateだけをキーにして結合すると、何もデータが抽出されなかった。

以上の結果から、
結合するためのキーとして設定していたdateカラムが、
train_dfとtransaction_dfの間で一つも一致するものが無く、うまく結合ができていなかっただけだったと言うことがわかった。