pandas.errors.MergeError: Merge keys are not unique in right dataset; not a many-to-one merge
Ai cerut la merge o verificare (validate="m:1" sau "1:1"), iar tabelul din dreapta are chei repetate, de exemplu același cod de produs de două ori în catalog. Găsește dublurile (df.duplicated("cod", keep=False)) și păstrează un singur rând pe cheie înainte de merge.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Parametrul validate îi cere lui merge să verifice relația dintre tabele: "m:1" (many-to-one) = în stânga cheile se pot repeta, în dreapta fiecare cheie apare o singură dată (ca un catalog de produse sau o listă de clienți). Dacă în dreapta o cheie apare de două ori, fiecare comandă cu acea cheie s-ar dubla după merge, iar totalurile ar ieși greșite. Cu validate, pandas oprește operația și îți spune: not a many-to-one merge.
Versiunile noi de pandas afișează sub mesaj și cheile duplicate (Duplicates in right:), deci vezi direct unde e problema. Variantele: not unique in left dataset; not a one-to-many merge și not unique in either left or right dataset; not a one-to-one merge.
Eroarea e o protecție utilă: fără validate, același merge rulează fără niciun mesaj și îți dublează rândurile.
De ce apare: cauzele frecvente
1Catalog cu un produs de două ori
linii.merge(produse, on="cod", validate="m:1")produse = produse.drop_duplicates("cod", keep="last")
linii.merge(produse, on="cod", validate="m:1")După eliminarea dublurilor, fiecare cod apare o dată în catalog, iar relația devine many-to-one.
2Cheia nu e suficientă pentru a identifica rândul
comenzi.merge(preturi, on="cod", validate="m:1") # prețuri pe anicomenzi.merge(preturi, on=["cod", "an"], validate="m:1")Dacă tabelul din dreapta are un rând pe (cod, an), cheia trebuie să conțină ambele coloane.
3Dubluri create de diferențe de scriere
clienti["email"] # "Ana@x.ro" și "ana@x.ro "clienti["email"] = clienti["email"].str.strip().str.lower()
clienti = clienti.drop_duplicates("email")Normalizarea cheii face vizibile dublurile reale, care pot fi apoi eliminate.
Repară eroarea, direct în pagină
Codul de mai jos dă MergeError: Merge keys are not unique in right dataset. În catalog, produsul P2 apare de două ori (prețul vechi și cel nou, care e ultimul). Păstrează doar ultimul rând pentru fiecare cod, apoi afișează numărul de linii după merge și valoarea totală a comenzilor.
import pandas as pd
linii = pd.DataFrame({"cod": ["P1", "P2", "P2", "P3"], "cantitate": [2, 1, 3, 1]})
produse = pd.DataFrame({
"cod": ["P1", "P2", "P3", "P2"],
"pret": [10.0, 20.0, 5.0, 25.0],
})
tot = linii.merge(produse, on="cod", how="left", validate="m:1")
tot["valoare"] = tot["cantitate"] * tot["pret"]
print("Linii:", len(tot))
print("Total:", tot["valoare"].sum())Linii: 4 Total: 125.0
Indiciu
produse.drop_duplicates("cod", keep="last") înainte de merge.
Reparația
import pandas as pd
linii = pd.DataFrame({"cod": ["P1", "P2", "P2", "P3"], "cantitate": [2, 1, 3, 1]})
produse = pd.DataFrame({
"cod": ["P1", "P2", "P3", "P2"],
"pret": [10.0, 20.0, 5.0, 25.0],
})
produse = produse.drop_duplicates("cod", keep="last")
tot = linii.merge(produse, on="cod", how="left", validate="m:1")
tot["valoare"] = tot["cantitate"] * tot["pret"]
print("Linii:", len(tot))
print("Total:", tot["valoare"].sum())De ce merge
Codul P2 apărea de două ori în catalog, deci relația nu era many-to-one, iar validate="m:1" a oprit merge-ul (altfel cele două linii cu P2 s-ar fi dublat). drop_duplicates("cod", keep="last") păstrează prețul nou, 25 de lei. Rămân 4 linii, iar totalul e 2·10 + 1·25 + 3·25 + 1·5 = 125.
Alte forme ale mesajului
pandas.errors.MergeError: Merge keys are not unique in either left or right dataset; not a one-to-one mergepandas.errors.MergeError: Merge keys are not unique in left dataset; not a one-to-many mergeMergeError: Merge keys are not unique in right dataset; not a many-to-one merge
Cum o eviți pe viitor
- Pune
validate=la fiecare merge important:"m:1"când adaugi informații dintr-un catalog. - Verifică cheile înainte:
produse["cod"].is_uniquesauproduse[produse.duplicated("cod", keep=False)]. - Compară
len()înainte și după merge: la un m:1 cuhow="left", numărul de rânduri nu trebuie să crească. - Decide explicit ce dublură păstrezi (
keep="first"/"last", după dată).
Întrebări frecvente
Ce se întâmplă dacă nu pun validate?
Merge-ul rulează și creează câte un rând pentru fiecare combinație de chei egale. O comandă cu un produs care apare de două ori în catalog devine două rânduri, iar sumele se dublează fără niciun avertisment.
Cum văd exact cheile duplicate?
produse[produse.duplicated("cod", keep=False)].sort_values("cod") afișează toate rândurile cu cod repetat, una lângă alta.
Erori înrudite
KeyError: 'id_client' Ai unit tabelele cu merge(on="id_client"), dar cheia nu se numește așa în ambele tabele (de exemplu în clienți e "id"). Când cheia are nume diferite, folosește left_on="id_client", right_on="id", sau redenumește coloana înainte de merge. ValueError: You are trying to merge on int64 and str columns for key 'id_client'. If you wish to proceed you should use pd.concat Cheia de unire are tipuri diferite în cele două tabele: într-unul e număr (int64), în celălalt text (str), de exemplu pentru că a fost citită cu zerouri în față sau cu spații. Adu cheia la același tip înainte de merge, de obicei cu astype(str) pe ambele sau pd.to_numeric pe cea de text. ValueError: columns overlap but no suffix specified: Index(['oras'], dtype='str') join a găsit în ambele tabele o coloană cu același nume (aici 'oras') care nu e cheie și nu știe cum să le numească în rezultat. Dă sufixe cu lsuffix și rsuffix, elimină coloana dublă înainte sau folosește merge, care pune singur sufixele _x și _y. Învață Python pentru analiza datelor de la zero, cu exerciții la fiecare lecție
Curs Data Analysis with Python: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
