Pandas-如何合并/连接/合并两个数据帧以拥有值的元组对

假设我把这个作为输入--

将熊猫作为pd导入
df_1=pd.DataFrame（{'grade'：['A'，'A'，'B'，'C']，'score'：[9,9,8,6]}）
df_2=pd.DataFrame（{'id'：['1'，'2'，'3'，'4'，'id'：['1'，'2'，'3'，'4']}）
df_1.头（）
成绩
0 A 9
1 A 9
2 B 8
3 C 6

然后我想通过编程实现这一点--

我意识到这个用例有点奇怪，但我还是想弄清楚

***编辑***

我最初的措辞有误导性。对此表示歉意

df_2

意味着有两个唯一的列。根据与@Henry Ecker的讨论

df_1 = pd.DataFrame({'grade' : ['A', 'A', 'B', 'C'], 'score' : [9, 9, 8, 6]})
df_2 = pd.DataFrame({'id' : ['1', '2', '3', '4'] , 'key' : ['5', '6', '7', '8']})

   grade   score
0  (1, A)  (5, 9)
1  (2, A)  (6, 9)
2  (3, B)  (7, 8)
3  (4, C)  (8, 6)

是一种选择：

import pandas as pd

df_1 = pd.DataFrame({'grade': ['A', 'A', 'B', 'C'], 'score': [9, 9, 8, 6]})
df_2 = pd.DataFrame({'id': ['1', '2', '3', '4'], 'key': ['5', '6', '7', '8']})

# Zip Columns Together
for df_1k, df_2k in zip(df_1.columns, df_2.columns):
    # Map each group of columns into tuples
    df_1[df_1k] = list(map(tuple, zip(df_2[df_2k], df_1[df_1k])))

print(df_1)

df_1

：

    grade   score
0  (1, A)  (5, 9)
1  (2, A)  (6, 9)
2  (3, B)  (7, 8)
3  (4, C)  (8, 6)

---

直接进入新的数据帧：

import pandas as pd

df_1 = pd.DataFrame({'grade': ['A', 'A', 'B', 'C'], 'score': [9, 9, 8, 6]})
df_2 = pd.DataFrame({'id': ['1', '2', '3', '4'], 'key': ['5', '6', '7', '8']})

new_df = pd.DataFrame({
    df_1k: list(map(tuple, zip(df_2[df_2k], df_1[df_1k])))
    for df_1k, df_2k in zip(df_1.columns, df_2.columns)
})
print(new_df)

new\u df

    grade   score
0  (1, A)  (5, 9)
1  (2, A)  (6, 9)
2  (3, B)  (7, 8)
3  (4, C)  (8, 6)

---

嗨，亨利，我的伪代码是个很糟糕的例子。我的意思是每个数据帧都有唯一的列。因此，在下面的示例中，仅压缩df_2['id']是不起作用的。我还将用相同的信息更新问题``dfu 1=pd.DataFrame（{'grade'：['A'，'A'，'B'，'C'，'score'：[9,9,8,6]}）dfu 2=pd.DataFrame（{'id'：['1'，'2'，'3'，'4'，'key'：['5'，'6'，'7'，'8']}）成绩0（1,A）（5,9）1（2,A）（6,9）2（3,8）（8,6）```

    grade   score
0  (1, A)  (5, 9)
1  (2, A)  (6, 9)
2  (3, B)  (7, 8)
3  (4, C)  (8, 6)