Python 如何根据行值组合两个不同长度的数据帧

我有以下两个数据帧：

数据帧#1：

数据帧#2:_D列在此任务中不重要）

我希望在#1和#2的基础上创建一个新的数据帧#3：

数据帧#3：

数据帧#3的第一列和第二列与数据帧#1相同。对于第三列，我希望根据其用户id和dataframe 2中的索引分配一个位置。例如，对于数据帧#3中的第0行，由于其用户#id=1，我将检查数据帧#2中索引为1的位置，然后将该位置（本例中为“MA”）分配给用户

我搜索过使用concat、map、merge等函数的示例，但找不到类似的示例。有没有办法完成这项任务

非常感谢你

试试看：

尝试：

---

基于您的问题，我不得不假设您希望在合并后删除列D。下面的代码可以工作

#Import Pandas
import pandas as pd

#Create dataframes: df1 and df2
df1 = pd.DataFrame({'user_id':{0: 1, 1:1, 2:1, 3:2, 4:2, 5:2}, 'animal':{0:'dog', 1:'cat', 2:'cow', 3:'dog', 4:'cat', 5:'cow'}})
df2 = pd.DataFrame({'location':{0:'CA', 1:'MA', 2:'AZ', 3:'CT'}, 'column_D':{0:1, 1:1, 2:1, 3:1}})
    
#Combine matching items from df2 to df1 by focus on 'user_id'column and drop column_D
df3 = df1.join(df2, on='user_id').drop('column_D', 1)

#Display new dataframe
df3

---

基于您的问题，我不得不假设您希望在合并后删除列D。下面的代码可以工作

#Import Pandas
import pandas as pd

#Create dataframes: df1 and df2
df1 = pd.DataFrame({'user_id':{0: 1, 1:1, 2:1, 3:2, 4:2, 5:2}, 'animal':{0:'dog', 1:'cat', 2:'cow', 3:'dog', 4:'cat', 5:'cow'}})
df2 = pd.DataFrame({'location':{0:'CA', 1:'MA', 2:'AZ', 3:'CT'}, 'column_D':{0:1, 1:1, 2:1, 3:1}})
    
#Combine matching items from df2 to df1 by focus on 'user_id'column and drop column_D
df3 = df1.join(df2, on='user_id').drop('column_D', 1)

#Display new dataframe
df3

---

您希望进行所谓的“连接”，您希望在用户id上进行连接，其中用户id是第二个数据帧索引的键。这在SQL land中是一项非常常见的任务，因此您可以查找大量关于联接的教程，但我认为可以使用

df1.join（df2，on=“user\u id”）

创建

df1

作为索引。使用

df1.set\u index（）

。然后将

index

上的两个

df1

和

df2

合并，以获得

df3

，这就是所谓的“连接”。您希望在用户id上连接，其中用户id是第二个数据帧索引中的一个键。这在SQL land中是一项非常常见的任务，因此您可以查找大量关于联接的教程，但我认为可以使用

df1.join（df2，on=“user\u id”）

创建

df1

作为索引。使用

df1.set\u index（）

。然后将

index

上的两个

df1

和

df2

合并，得到

df3

    user_id       animals       location
0         1         'dog'           'MA'
1         1         'cat'           'MA'
2         1         'cow'           'MA'
3         2         'dog'           'AZ'
4         2         'cat'           'AZ'
5         2         'cow'           'AZ'
...

df["location"] = df1.user_id.map(df2.location)

    user_id animals location
0      1    'dog'   'MA'
1      1    'cat'   'MA'
2      1    'cow'   'MA'
3      2    'dog'   'AZ'
4      2    'cat'   'AZ'
5      2    'cow'   'AZ'

#Import Pandas
import pandas as pd

#Create dataframes: df1 and df2
df1 = pd.DataFrame({'user_id':{0: 1, 1:1, 2:1, 3:2, 4:2, 5:2}, 'animal':{0:'dog', 1:'cat', 2:'cow', 3:'dog', 4:'cat', 5:'cow'}})
df2 = pd.DataFrame({'location':{0:'CA', 1:'MA', 2:'AZ', 3:'CT'}, 'column_D':{0:1, 1:1, 2:1, 3:1}})
    
#Combine matching items from df2 to df1 by focus on 'user_id'column and drop column_D
df3 = df1.join(df2, on='user_id').drop('column_D', 1)

#Display new dataframe
df3