Question

我有以下两个数据帧：

    id  websites
    --   ---
0   1   [cnn.com, bbc.com]
1   2   [ebay.com, facebook.com]

________________

    id  websites
    --   ---
0   2   [google.com, facebook.com]
1   3   [amazon.com, youtube.com]

我想通过聚集匹配行的唯一id在websites列上外部连接它们。输出应如下所示：

    id  websites    
    --   ---
0   1   [cnn.com, bbc.com]  
1   2   [ebay.com, facebook.com, google.com]
2   3   [amazon.com, youtube.com]

到目前为止，我已经尝试了以下方法：

import pandas as pd

df_a = pd.DataFrame({'id':[1,2],'websites':[['cnn.com','bbc.com'],['ebay.com','facebook.com']]})
df_b = pd.DataFrame({'id':[2,3],'websites':[['google.com','facebook.com'],['amazon.com','youtube.com']]})
df_a.merge(df_b, on='id', how='outer')

这给了我以下输出：

    id  websites_x                 websites_y
    --   ---                        ---
0   1   [cnn.com, bbc.com]         NaN
1   2   [ebay.com, facebook.com]   [google.com, facebook.com]
2   3   NaN                        [amazon.com, youtube.com]

Answer 1

您可以合并它们，然后在id列上进行分组：

df_a = pd.DataFrame({'id':[1,2],'websites':[['cnn.com','bbc.com'],
                    ['ebay.com','facebook.com']]})
df_b = pd.DataFrame({'id':[2,3],'websites':[['google.com','facebook.com'],
                    ['amazon.com','youtube.com']]})

解决方案：

方法1：

a = df_a.explode('websites') #requires pandas version 0.25+
b = df_b.explode('websites') #requires pandas version 0.25+
out = pd.concat((a,b)).groupby('id')['websites'].apply(pd.unique).reset_index()
#or out = pd.concat((a,b)).groupby('id')['websites'].agg(set).reset_index()
print(out)

方法2：

使用itertools.chain.from_iterable的另一种解决方案不需要爆炸的数据帧：

from itertools import chain
out = (pd.concat((df_a,df_b)).groupby('id')['websites']
     .apply(lambda x : dict.fromkeys(chain.from_iterable(x)).keys()).reset_index())
print (out)

   id                              websites
0   1                    [cnn.com, bbc.com]
1   2  [ebay.com, facebook.com, google.com]
2   3             [amazon.com, youtube.com]

熊猫：加入数据框时如何聚合两个列表列

1 个答案: