Python Pandas-如果行包含相同的值，如何匹配行

我有一个数据框，有4列：“年龄1”、“姓名1”、“年龄2”和“姓名2”

df = pd.DataFrame(index=[0, 4, 6, 9],
                  data={'age_1': [18, np.nan, 12, np.nan],
                        'name_1': ['Fred', np.nan, 'Harry', np.nan],
                        'age_2': [np.nan, 34, np.nan, 45],
                        'name_2': [np.nan, 'Jim', np.nan, 'Fred']})

输出

    age_1   name_1  age_2   name_2
0   18.0    Fred    NaN     NaN
4   NaN     NaN     34.0    Jim
6   12.0    Harry   NaN     NaN
9   NaN     NaN     45.0    Fred

   age_1    name_1  age_2   name_2
0   18.0    Fred    45.0    Fred

所有名称都出现两次，一次出现在名称_1中，一次出现在名称_2中。我想把名称_1和名称_2中具有相同项的行放在一起。例如，从上面的代码片段中，我希望它将第一行和最后一行放在一起，如下所示：

    age_1   name_1  age_2   name_2
0   18.0    Fred    45.0    Fred

# check that there are no repeats
for col in ("name_1", "name_2"):
    assert df[col].dropna().nunique() == df[col].dropna().shape[0]

# check that all `name_1`s have corresponding `name_2`s
assert set(df["name_1"].dropna()) == set(df["name_2"].dropna())

如果df是您的数据帧，则任何帮助都将非常有用：

df[["age_1", "name_1"]].dropna(how="all").join(df[["name_2", "age_2"]].dropna(how="all").set_index("name_2")[["age_2"]], on="name_1")

将为您提供大约您要查找的内容名称不会像您的示例中那样重复，因为它是正在连接的键，它只会出现一次

请注意，这是一个左连接，任何没有相应名称的名称都将被丢弃，但是没有相应名称的名称将保留，如Harry。如果要保留这些名称，只需将how=outer作为关键字参数添加到join方法中即可。如果你确定所有的名字都会出现两次，那就没关系了

如果名称_1有多个名称_2，则该行将重复以容纳尽可能多的名称_2。同样，如果每个名称在name_1列和name_2列中分别出现两次、一次和一次，这并不重要。我会添加一个这样的检查：

    age_1   name_1  age_2   name_2
0   18.0    Fred    45.0    Fred

# check that there are no repeats
for col in ("name_1", "name_2"):
    assert df[col].dropna().nunique() == df[col].dropna().shape[0]

# check that all `name_1`s have corresponding `name_2`s
assert set(df["name_1"].dropna()) == set(df["name_2"].dropna())

---

已编辑：要添加评论中建议的dropna，可以将数据框拆分为两部分，并使用“合并”将其连接起来。由于联接列name_1和name_2具有空值，因此必须先删除空值

l1 = ['age_1', 'name_1']
l2 = ['age_2', 'name_2']

df[l1].dropna().merge(df[l2].dropna(), left_on='name_1', right_on='name_2')

#outputs:
   age_1 name_1  age_2 name_2
0   18.0   Fred   45.0   Fred

输出

    age_1   name_1  age_2   name_2
0   18.0    Fred    NaN     NaN
4   NaN     NaN     34.0    Jim
6   12.0    Harry   NaN     NaN
9   NaN     NaN     45.0    Fred

   age_1    name_1  age_2   name_2
0   18.0    Fred    45.0    Fred

---

如果一个名称出现两次以上怎么办？如果我向数据框中添加列，会发生什么情况？上面的代码是否需要更改？您应该在合并期间添加dropna，就像我所做的那样，或者在合并之后添加dropna。