Python 在非唯一但有条件选择非唯一值（技术上是唯一的）的列上合并2个数据帧

假设我有两个数据帧

df1

和

df2

import pandas as pd

df1 = pd.DataFrame({'weight': [1,2,3,4], 'weight_units': ['lb','oz','oz', 'lb']})
df2 = pd.DataFrame({'weight': [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,1,2,3,4,5,6,7,8], 'price':[1,1.1,1.2,1.3,1.4,1.5,1.6,1.7,1.8,1.9,2,2.1,2.2,2.3,2.4,2.5,2.6,2.7,2.8,2.9,3,3.1,3.2,3.3]})

第一个数据帧（

df1

）包含对象的重量以及该重量的测量单位

oz

&

lb

（盎司，磅）

第二个数据帧（

df2

）包含一列，该列具有重量值（以磅和盎司为单位）和相关价格值。在“重量”列中，当值达到16（盎司）时，它重新开始为1，然后上升（1,2,3,4），表示其现在的磅数

注：1lb=16盎司

我的问题是：如何合并权重列上的这两个数据帧，以便如果包具有

oz

单位，我使用

df2

中的前16个值开始合并，如果其位于

lb

中，我从第17个值开始在第二个数据帧上开始合并？或任何其他合理的方式来正确执行此合并，并在其处于

lb

或

oz

想法： 我主要担心的是，由于重量列在技术上不是唯一的（因为数字1-16在磅和盎司上重复），你不能简单地合并，就好像一个包裹的重量是1，除非我可以使用单位条件，否则它不知道取哪个价格值

理想输出： 已正确合并的数据帧，如果其

lb

或

oz

（磅或盎司），则采用正确的值

---

一个想法是创建新专栏，例如：

df2['weight_units'] = ['oz'] * 16 + ['lb'] * (len(df2) - 16)

或：

然后通过

df1

合并：

df = df1.merge(df2, on=['weight','weight_units'])

---

非常感谢，你能解释一下你的第一句话吗？不完全确定如何编写像这样的

df2['weights_units']

。@nishcs-它的意思是

手动

方式-换句话说-前16个值是

oz

，所有其他值都是

lb

啊好的，谢谢，从这个意义上说，第二个方法是

“自动”

它为您执行映射的方式？@nishcs-您完全正确。

df2['weight_units'] = df2['weight'].eq(1).cumsum().map({1:'oz', 2:'lb'})

df = df1.merge(df2, on=['weight','weight_units'])