Python 按列值“压缩”两个数据帧

全部

假设我有一个数据帧，如：

df1 = pd.DataFrame({"A": range(6), "key": [0,1]*3})
df1

    A   key
0   0   0
1   1   1
2   2   0
3   3   1
4   4   0
5   5   1

及

C中的值都是唯一的，键中的值在实际数据集中没有这样的模式

我试图将两者合并到一个生成的数据帧中，在该数据帧中，列C中的值对于列键中的匹配值将只取一次

即

顺序无关紧要，即C中的值不需要按顺序取。这是一个玩具的例子，我实际上有10把钥匙

我知道我可能会进行外部连接，然后以某种方式删除非唯一的C值。但这可能有点过分，因为实际数据集中的行太多了~30k

---

提前谢谢

您可以添加要在联接中使用的额外列：

df1['order'] = df1.groupby('key').cumcount()
df2['order'] = df2.groupby('key').cumcount()

# If you want to match on random order:
# df2['order'] = df2.sample(frac=1).groupby('key').cumcount()

df1.merge(df2, on=['key', 'order'])

结果:

   A  key  order     C
0  0    0      0  k0-0
1  1    1      0  k1-0
2  2    0      1  k0-1
3  3    1      1  k1-1
4  4    0      2  k0-2
5  5    1      2  k1-2

---

您可以构建一个迭代器字典，然后根据“键”调用相应的迭代器

---

是我错了，还是您期望的输出与您的输入不匹配？我在输出中看到'k1-3'，在df2中没有看到'k1-3'。很抱歉，无意中改变了顺序，现已修复。

df1['order'] = df1.groupby('key').cumcount()
df2['order'] = df2.groupby('key').cumcount()

# If you want to match on random order:
# df2['order'] = df2.sample(frac=1).groupby('key').cumcount()

df1.merge(df2, on=['key', 'order'])

   A  key  order     C
0  0    0      0  k0-0
1  1    1      0  k1-0
2  2    0      1  k0-1
3  3    1      1  k1-1
4  4    0      2  k0-2
5  5    1      2  k1-2

g = {k: iter(v) for k, v in df2.groupby('key').C}
df1.assign(C=[next(g[x]) for x in df1.key])

   A  key     C
0  0    0  k0-0
1  1    1  k1-0
2  2    0  k0-1
3  3    1  k1-1
4  4    0  k0-2
5  5    1  k1-2