You are trying to merge on object and int64 columns. If you wish to proceed you should use pd.concat

这个错误通常是由于连接的两个表中的列数据类型不匹配引起的。在你的情况下，可能是`df1`中的"收货组织"列和`db`中的"收货组织"列数据类型不一致，一个是字符串类型，一个是整数类型。

为了解决这个问题，你可以在连接之前使用`astype()`函数将数据类型转换为相同的类型。例如，将整数类型的列转换为字符串类型，可以使用以下代码：

db['收货组织'] = db['收货组织'].astype(str)

然后再运行你的连接代码：

df4 = pd.merge(df1, db[['收货组织', '收货组织简称']], how='left', on='收货组织')

这样就可以避免数据类型不匹配的问题了。

相关问题

ValueError: You are trying to merge on object and int64 columns. If you wish to proceed you should use pd.concat

这个错误是由于你正在尝试合并具有不同数据类型的列。一列是对象类型，另一列是int64类型。这通常发生在使用`pd.merge()`时。

要解决这个问题，你可以考虑使用`pd.concat()`而不是`pd.merge()`。`pd.concat()`可以在沿着轴将多个DataFrame对象连接起来，并且不需要指定一个键来进行合并。

如果你仍然需要使用`pd.merge()`，则需要确保用作键的列具有相同的数据类型。你可以使用`astype()`方法来更改数据类型，例如：

df1['key'] = df1['key'].astype('int64')
df2['key'] = df2['key'].astype('int64')

merged_df = pd.merge(df1, df2, on='key')

这将确保你的列具有相同的数据类型，并且可以进行合并。

You are trying to merge on object and int64 columns. If you wish to proceed you should use pd.concat 怎么改

这个错误通常是因为尝试在一个对象类型（比如字符串）和一个 int64 类型的列上进行合并操作。为了解决这个问题，你可以考虑将这些列的数据类型转换为相同的类型，或者使用 `pd.concat` 函数进行合并。如果你想使用 `pd.concat` 函数，请将要合并的 DataFrame 放入一个列表中，然后调用 `pd.concat` 函数，如下所示：

df_list = [df1, df2, df3]
merged_df = pd.concat(df_list, axis=1)

其中，`df_list` 是要合并的 DataFrame 列表，`axis=1` 表示按列进行合并。你也可以使用 `axis=0` 表示按行进行合并。请注意，`pd.concat` 函数默认会将索引重新排序，如果需要保留原始索引，请设置 `ignore_index=True`。