Python 通过基于每行选择第二个数据帧，有效地将一个数据帧与另一个数据帧合并

我有一个像这样的数据框

    A   B  C
0  A0  B0  X
1  A1  B1  Y
2  A2  B2  X

我想把上面的数据和下面的数据帧合并

df_x

    A   D
0  A0  X0
1  A1  X1
2  A2  X2
3  A3  X3

在合并时，我希望根据列

C

选择第二个数据帧。在这里，如果

C

中的值是

X

，那么我需要使用

df\u X

与该行合并，同样，如果

C

中的值是

Y

则使用

df\u Y

。所以，最终的输出会是

    A   B  C   D
0  A0  B0  X  X0
1  A1  B1  Y  Y1
2  A2  B2  X  X2

---

我们可以使用一些方法，例如，i）迭代每一行并进行处理，或ii）通过为每个

df_x

和

df_y

添加

C

列进行合并，然后进行合并等。显然，迭代方法效率不高。另一种方法将为包含冗余数据的列消耗额外的空间。有没有更好的方法来实现这一点？

试试以下方法：

import io
df=pd.read_csv(io.StringIO('''A   B  C
0  A0  B0  X
1  A1  B1  Y
2  A2  B2  X'''), sep='\s+', engine='python')

df_x=pd.read_csv(io.StringIO('''    A   D
0  A0  X0
1  A1  X1
2  A2  X2
3  A3  X3'''), sep='\s+', engine='python')

df_y=pd.read_csv(io.StringIO('''    A   D
0  A0  Y0
1  A1  Y1
2  A2  Y2
3  A3  Y3'''), sep='\s+', engine='python')
# print(df)
# print(df_x)
# print(df_y)

dfx = df[df.C == 'X']
# print(dfx)

dfy = df[df.C == 'Y']
# print(dfy)

df1 = dfx.merge(df_x, left_on='A', right_on='A')
df2 = dfy.merge(df_y, left_on='A', right_on='A')
print(df1)
print(df2)

df_final = pd.concat([df1, df2]).sort_values('A')

输出

    A   B   C   D
0   A0  B0  X   X0
0   A1  B1  Y   Y1
1   A2  B2  X   X2

试试这个：

import io
df=pd.read_csv(io.StringIO('''A   B  C
0  A0  B0  X
1  A1  B1  Y
2  A2  B2  X'''), sep='\s+', engine='python')

df_x=pd.read_csv(io.StringIO('''    A   D
0  A0  X0
1  A1  X1
2  A2  X2
3  A3  X3'''), sep='\s+', engine='python')

df_y=pd.read_csv(io.StringIO('''    A   D
0  A0  Y0
1  A1  Y1
2  A2  Y2
3  A3  Y3'''), sep='\s+', engine='python')
# print(df)
# print(df_x)
# print(df_y)

dfx = df[df.C == 'X']
# print(dfx)

dfy = df[df.C == 'Y']
# print(dfy)

df1 = dfx.merge(df_x, left_on='A', right_on='A')
df2 = dfy.merge(df_y, left_on='A', right_on='A')
print(df1)
print(df2)

df_final = pd.concat([df1, df2]).sort_values('A')

输出

    A   B   C   D
0   A0  B0  X   X0
0   A1  B1  Y   Y1
1   A2  B2  X   X2

---

没有直接的方法，但是

merge

可以完成这项工作

df_new = df.merge(df_x, 'left', ['A', 'B','C', 'D'],  suffixes=('*x', '*y')).groupby(lambda x: x.split('*')[0], axis=1).last()

df_new = df.merge(df_y, 'left', ['A', 'B','C', 'D'],  suffixes=('*x', '*y')).groupby(lambda x: x.split('*')[0], axis=1).last()

---

试试这样的。这可能不是直接的答案。但是，通过理解上述代码，您可以轻松地完成这项工作。

没有直接的方法，但是

merge

可以完成这项工作

df_new = df.merge(df_x, 'left', ['A', 'B','C', 'D'],  suffixes=('*x', '*y')).groupby(lambda x: x.split('*')[0], axis=1).last()

df_new = df.merge(df_y, 'left', ['A', 'B','C', 'D'],  suffixes=('*x', '*y')).groupby(lambda x: x.split('*')[0], axis=1).last()

试试这样的。这可能不是直接的答案。但是，通过理解上述代码，您可以轻松地完成这项工作