Question

假设我有一个父 df：

parent_df：

id

11.0_A
121.0_B
433.0_A
32.0_A
12.0_B

我还有另外两个数据帧 df_A 和 df_B。

df_A：

id, name
.
.
11, abc
433, xyz
32, jkl

df_B：

id, name
.
.
121, mno
12, pqr

我希望根据行将 parent_df 与适当的 df_A 或 df_B 合并。

预期结果：

parent_df

id,        name

11.0_A,     abc
121.0_B,    mno
433.0_A,    xyz
32.0_A,     jkl
12.0_B,     pqr

我如何实现这一目标？

我知道合并两个 df 我可以简单地做：

parent_df = parent_df.merge(df_A, on=['id'], how='inner')

但事实并非如此，我需要处理一个可能在 id 之后也拆分 .0_ 的条件。

任何帮助将不胜感激！

Answer 1

您可以使用 split 和 explode，然后使用 df_A 和 df_B 的串联合并：

df_res = parent_df.merge(
    pd.concat((
        pd.concat((df_A, pd.DataFrame(['A' for _ in range(len(df_A))], columns=['AB'])), axis=1),  # add a column with 'A'
        pd.concat((df_B, pd.DataFrame(['B' for _ in range(len(df_B))], columns=['AB'])), axis=1),  # add a column with 'B'
    )),  # concatenate df_A and df_B, enriched by 'AB' column
    how='left',
    left_on=['AB', 'id_AB'],
    right_on=['AB', 'id'],
    suffixes=('_x', '_y'),
)[['id_x', 'name']].rename(columns={'id_x': 'id'})

假设 parent_df、df_A 和 df_B 如下：

import pandas as pd

parent_df = pd.DataFrame(
    data=[
        ['11.0_A'],
        ['121.0_B'],
        ['433.0_A'],
        ['32.0_A'],
        ['12.0_B'],
    ], columns=['id']
)

df_A = pd.DataFrame(
    data=[
        [11, 'abc'],
        [433, 'xyz'],
        [32, 'jkl'],
    ],
    columns=['id', 'name']
)

df_B = pd.DataFrame(
    data=[
        [121, 'mno'],
        [12, 'pqr'],
    ],
    columns=['id', 'name']
)

df_res 是：

        id name
0   11.0_A  abc
1  121.0_B  mno
2  433.0_A  xyz
3   32.0_A  jkl
4   12.0_B  pqr

熊猫在条件下合并数据帧

1 个答案: