Question

例如。如果我有两个数据集：

df1 = pd.DataFrame([[1, 2.1, 5, 0, 'a'], [7, 2.3, 5, 1, 'b'], [0, 2, 0, 1, 'c'], [9, 4, 4, 1, 'd']],columns=list('ABCDE'))
df2 = pd.DataFrame([[3, 2, 5, 0, 1, 2], [3, 2.4, 5, 1, 9, 9], [9, 9, 5, 9, 4, 5], [0, 2, 5, 0, 1, 1], [1, 4, 4, 3, 8, 0]],columns=list('xBCyzw'))

我想基于列'B'和'C'合并它们，但我只希望合并行的实例与df1中的实例一样多。

换句话说，我想在df2中找到基于'B'和'C'匹配df1中行的行，并将df2中的列追加到df1。

我现在所拥有的是

print(pd.merge(np.round(df2), np.round(df1), on=['B', 'C'], how='inner', left_index = True))

输出

   x    B  C  y  z  w  A  D  E
0  3  2.0  5  0  1  2  1  0  a
1  3  2.0  5  0  1  2  7  1  b
0  3  2.0  5  1  9  9  1  0  a
1  3  2.0  5  1  9  9  7  1  b
0  0  2.0  5  0  1  1  1  0  a
1  0  2.0  5  0  1  1  7  1  b
3  1  4.0  4  3  8  0  9  1  d

但由于在df1中只有两行B = 2，C = 5，我希望在合并结果中只有两行。 df2中的三个匹配行中的哪一行合并无关紧要。

示例：

   x    B  C  y  z  w  A  D  E
0  3  2.0  5  0  1  2  1  0  a
1  3  2.0  5  0  1  2  7  1  b
3  1  4.0  4  3  8  0  9  1  d

或：

   x    B  C  y  z  w  A  D  E
0  3  2.0  5  1  9  9  1  0  a
1  3  2.0  5  1  9  9  7  1  b
3  1  4.0  4  3  8  0  9  1  d

或：

   x    B  C  y  z  w  A  D  E
0  0  2.0  5  0  1  1  1  0  a
1  0  2.0  5  0  1  1  7  1  b
3  1  4.0  4  3  8  0  9  1  d

除了循环之外，我无法想到更好的方法。

有什么想法吗？

Answer 1

首先，围绕df1和df2：

i, j = map(np.round, [df1, df2])

接下来，合并B和C：

v = pd.merge(i, j, on=['B', 'C'], how='inner', left_index=True)

将虚拟计数列添加到i和合并结果：

v['Count'] = v.groupby(['B', 'C']).cumcount()
i['Count'] = i.groupby(['B', 'C']).cumcount()

使用新计数列在i上执行第二次合并。

v.merge(i[['B','C','Count']], on=['B','C','Count']).drop('Count', 1)

   A    B  C  D  E  x  y  z  w
0  1  2.0  5  0  a  3  0  1  2
1  1  2.0  5  0  a  3  1  9  9
2  9  4.0  4  1  d  1  3  8  0

有没有办法合并两个数据帧，只保留一定数量的出现次数？

1 个答案: