Python 3.x Python3熊猫-如何合并包含多行且具有相同键的两个数据帧

我试图通过匹配的键合并两个数据帧，但键可能在每个数据帧中出现多次（n）。内部联接为所有n^2键对提供行-相反，我想要n行

对于某些上下文：想象一个图书馆的签入/签出场景，其中一本书可能被签入，记录在df1中，也可能被签出，并记录在df2中。每本书都有一个唯一的密钥，但可以多次签入/签出。此外，由于数据集仅跨越特定的时间窗口，某些书籍可能有签入记录但没有签出（在记录数据之前已签出的书籍），或者有签出记录但没有签入（尚未归还的书籍）。我的目标是创建一个新的数据框，它只包含同时存在签入和相应签出的行

最后，我想问一下我的问题：

1） 如何执行内部联接，其中第一次签入与第一次签出、第二次签入与第二次签出相结合，等等？默认情况下，它提供所有组合-因此，如果存在n签入和n签出，我将得到n^2行，而不是我想要的n行。（现在，让我们忽略第一次签入之前签出的可能性，或者签入/签出的数量不等。）下面是一个简单的例子

df1 = pd.DataFrame({'ID': ['A1', 'A2','A2', 'A3'], 'DATE': [1, 1,2, 2]})
df2 = pd.DataFrame({'ID': ['A2', 'A3', 'A2', 'A4'], 'DATE': [3, 5, 5, 7]})
df = pd.merge(df1, df2, how='inner', on='ID',sort=True)

注意，对于A2我得到4个条目，对于A3我得到1个条目，而对于A2我只想要第0行和第2行，对于A3我想要第4行

df_wanted = pd.DataFrame({'ID': ['A2', 'A2', 'A3'], 'DATE_x': [1, 2, 2], 'DATE_y': [3, 5, 5]})

2） 完整的案例。每次入住和退房都应配对，每次退房都应与离其最近的入住配对。因此，如果在第1天和第2天签入，在第0天、第3天和第5天签出，则最终df中的唯一行应对应于第二个两次签入（第1,2天）和第二个两次签出（第3,5天）

我在df2的第0天添加了一个退房。现在在df中，我得到6个A2条目（一个A3条目），而我只想要2个A2条目（一个A3条目）。这将产生与上述相同的

df_

注意：发布的答案将匹配第1,2天的入住和第0,3天的退房，而不是第3,5天的退房。因此，完整的解决方案将需要确保结帐日期>=入住日期，或在最早入住时启动柜台，或类似的事情

我所尝试的：
我尝试实现了df.drop_duplicates（）

的各种组合，但最终得到了不正确的组合。我还尝试手动执行此操作，方法是循环遍历两个数据集共用的所有ID（

common=set（df1.ID.values）&set（df2.ID.values）

），按出现顺序将它们配对，然后逐个将它们添加到新的df，但这似乎效率很低

这似乎是一个很常见的任务，可能有一个更“pythonic”的方法来处理这个问题

感谢您抽出时间，我非常感谢您的指导或提示。

以下是我的解决方案：

import pandas as pd
df1 = pd.DataFrame({'date':[1, 1, 2, 2], 'id':['A1', 'A2', 'A2', 'A3']})
df2 = pd.DataFrame({'date':[3, 5, 5, 7], 'id':['A2', 'A3', 'A2', 'A4']})

df1 = df1[df1.id.isin(df2.id)]
df2 = df2[df2.id.isin(df1.id)]

df1['ones'] = 1
df1['counter'] = df1.groupby('id')['ones'].cumsum()
del df1['ones']

df2['ones'] = 1
df2['counter'] = df2.groupby('id')['ones'].cumsum()
del df2['ones']


df3 = pd.merge(df1, df2, on=['id', 'counter'], suffixes = ['_checkin', '_checkout'])
del df3['counter']

print(df3)

   date_checkin  id  date_checkout
0             1  A2              3
1             2  A2              5
2             2  A3              5

步骤：

初始化数据帧：

import pandas as pd
df1 = pd.DataFrame({'date':[1, 1, 2, 2], 'id':['A1', 'A2', 'A2', 'A3']})
df2 = pd.DataFrame({'date':[3, 5, 5, 7], 'id':['A2', 'A3', 'A2', 'A4']})

通过

id

df1 = df1[df1.id.isin(df2.id)]
df2 = df2[df2.id.isin(df1.id)]

创建一个要匹配的

cumsum

计数器。这是我们将“首次签入”与“首次签出”匹配的地方

现在我们可以在

id

和

计数器上执行
内部联接

df3 = pd.merge(df1, df2, on=['id', 'counter'], suffixes = ['_checkin', '_checkout'])
del df3['counter']

print(df3)

   date_checkin  id  date_checkout
0             1  A2              3
1             2  A2              5
2             2  A3              5

我希望这有帮助
 请将代码作为实际的代码块而不是屏幕截图发布-这确实有助于更多的人理解问题，并通过让他们可以复制/粘贴到他们的环境中来帮助解决问题。您可以使用R软件中的merge（）函数来实现这一点。您可以编写csv文件并使用python读取它。我只是给你一个最快的解决方案。你说“最后，如果这在SQL等中更容易的话”-这可能是-但是不要忘记我们看不到你尝试过的尝试，你使用pandas等的所有结果。。。同样，你需要帮助我们来帮助你。谢谢你的建议@Jon，我还是个新手。我将编辑这篇文章，以包含代码块和我尝试的结果。所以我在下面回答了，但根据你描述的“完整案例”，我不是100%的，它涵盖了这一点。我建议你在可复制的数据集中放一个这样的例子。谢谢，@matt，这真的很有帮助！我没有想到使用groupby和cumsum来获得合并的唯一密钥。所以，只要我在第一次签入之前没有签出，这应该可以完美地工作！没问题！如果它最终成功了，请接受答案。
df1['ones'] = 1
df1['counter'] = df1.groupby('id')['ones'].cumsum()
del df1['ones']

df2['ones'] = 1
df2['counter'] = df2.groupby('id')['ones'].cumsum()
del df2['ones']

df3 = pd.merge(df1, df2, on=['id', 'counter'], suffixes = ['_checkin', '_checkout'])
del df3['counter']

print(df3)

   date_checkin  id  date_checkout
0             1  A2              3
1             2  A2              5
2             2  A3              5