Python 3.x 合并数据帧并创建派生列

给定2个数据帧

Med_DF

Key Med
 1  A
 1  B
 1  C
 2  A
 2  F
 3  A
 3  C
 3  E
 4  A
 4  B
 4  C
 4  D 

Key ID
1   A1
2   A2
3   A3
4   A4
5   A5

Key ID  Med
1   A1  3
2   A2  2
3   A3  3
4   A4  4
5   A5  

键_DF

Key Med
 1  A
 1  B
 1  C
 2  A
 2  F
 3  A
 3  C
 3  E
 4  A
 4  B
 4  C
 4  D 

Key ID
1   A1
2   A2
3   A3
4   A4
5   A5

Key ID  Med
1   A1  3
2   A2  2
3   A3  3
4   A4  4
5   A5  

如何合并这两个键而不重复

键

，将

ID

与每个

键

匹配，并在新列中创建派生变量？派生变量将返回每个

ID

的用药次数，如果为0，则返回空白的

Nan

，如下面的结果所示

结果\u DF

Key Med
 1  A
 1  B
 1  C
 2  A
 2  F
 3  A
 3  C
 3  E
 4  A
 4  B
 4  C
 4  D 

Key ID
1   A1
2   A2
3   A3
4   A4
5   A5

Key ID  Med
1   A1  3
2   A2  2
3   A3  3
4   A4  4
5   A5  

我尝试过的

我确信我的解决方案过时且效率低下，这就是为什么我要求一个更干净、可能更快的解决方案。尽管如此，我还是通过循环创建Excel公式来填充派生列，并查找与

键匹配的
ID

# read in Med and Key files into dataframes
Med_DF = pd.read_csv(med_file, usecols = ['Key', 'Med'], encoding = 'utf-8', keep_default_na=False, na_values=[''])

Key_DF = pd.read_csv(key_file, usecols = ['Key', 'ID'], encoding = 'utf-8', keep_default_na=False, na_values=[''])

# add empty ID column to Med_DF
Med_DF.insert(0, "ID", "")

# assign length of dataframes
length_of_med = len(Med_DF)
length_of_key = len(Key_DF)

# create empty lists for formulas
med_countif = []
med_vlookup = []

# med VLOOKUP formulas 
for i in range(2,length_of_med+2):
    formula = '=VLOOKUP($B{0},Sheet1!$A:$B,2,FALSE)'.format(i)
    med_vlookup.append(formula)

# med COUNTIF formulas 
for i in range(2,length_of_key+2):
    formula = 
   '=IF(COUNTIF(Sheet1!$A:$A,$B{0})=0,"",COUNTIF(Sheet1!$A:$A,$B{0}))'.format(i)
    med_countif.append(formula)

# write formulas to columns
Key_DF.loc[:, "Meds"] = meds_formulas
Med_DF.loc[:, "Key"] = meds_vlookup

与计数值一起使用或用于计数值时，值会转换为
浮点
s，因为至少有一个
NaN
-不匹配的值：

df = Key_DF.join(Med_DF['Key'].value_counts().rename('Med'), on='Key')

备选方案：

df = Key_DF.join(Med_DF.groupby('Key').size().rename('Med'), on='Key')


在具有左外连接的键上使用熊猫合并键和
Key_DF
和
Med_DF

通过
Med
count功能，使用
groupby
键的结果
ID

在这里，我得到第五行作为0，因为我使用计数。因此，如果需要获得Nan，我们可以再添加一个步骤，用Nan替换0

import numpy as np
df.Med.replace({0:np.nan})