Question

我有两个具有相同列但数据不同的数据框。一个是包含20,000个条目的样本数据集，另一个是包含1,093,564个条目的控制数据集。我想从控件数据集中提取相同数量的记录，这些记录的日记名称与示例数据集中的日记名称相同，但文章（标题）唯一。

df1：

journal title
foo abs
bar abc
baz ghj
foo jkl
baz mnj

df2：

journal title
bar nko
foo cvb
foo yui
baz sdf 
bar hyt
foo kdm
baz bnd
baz lko
foo mnx
bar sdm
baz rty

两个数据集中的日记名称相同，但标题是唯一的，并且在df1中与df2不同。我想要这样的结果：

journal title_x title_y
foo abs cvb
bar abc nko
baz ghj sdf
foo jkl kdm
baz mnj bnd

Answer 1

将merge与左联接一起使用，但首先需要创建计数器列，以合并df2['journal']中的删除连续重复的值，并使用不相等的移位值进行比较：

df1['g'] = df1.groupby('journal').cumcount()
df2 = df2[df2['journal'].ne(df2['journal'].shift())]
df2['g'] = df2.groupby('journal').cumcount()

df = df1.merge(df2, on=['journal','g'], how='left').drop('g', axis=1)
print (df)
  journal title_x title_y
0     foo     abs     cvb
1     bar     abc     nko
2     baz     ghj     sdf
3     foo     jkl     kdm
4     baz     mnj     bnd

如何基于公共列但值重复来合并两个数据框？

1 个答案: