Python 基于不相关列的唯一性查找两列的并集

我试图确定每个学生在面对面的基础上，他们所上的课程和完成的项目的表现

scores.csv：

我最终会自己做

来分析

，但首先使用

pd.merge

是非常慢的，特别是如果有10个成千上万的唯一学生ID

---

有没有更有效的方法？我尝试过使用pivot table，但可能我用这种方法找错了方向。

我认为使用pivot table要快一点：

不带连接列的合并的解决方案，以及：

---

谢谢你的回答@jezrael，但我如何才能使用每组？有没有一种方法可以将组存储在字典中而不是打印出来？我试图用一种类似的方法来计算每组的帖子数量：

df.groupby（'student\u id'）.transform（lambda x:pd.merge（df，x['class\u id'，'project\u id']]）['posts'].sum（）

，但它不起作用。我认为你真的很接近了-需要

apply

-

df1=df.groupby（'student\u id'）.apply（lambda x:pd.merge（df，x）[['class\u id'，'project\u id']]].['posts'].sum（））

和for dict

df1=df.groupby（'student\u id'）。应用（lambda x:pd.merge（df，x['class\u id'，'project\u id']]）。to\u dict（）。

（可能最后一次

to\u dict

可以删除，这取决于您想要什么）

import pandas as pd
df = pd.read_csv("Documents/scores.csv")

student_ids = df.student_id.unique()

for id in student_ids:
    to_analyse = pd.merge(df,df[df['student_id'] == id][['class_id','project_id']])

def f(x):
    print (pd.merge(df, x[['class_id','project_id']]))

df = df.groupby('student_id').apply(f)

df['both'] = df['class_id'].astype(str)  + '_' + df['project_id'].astype(str)

def f(x):
    print (df[df['both'].isin(x['both'])])

df = df.groupby('student_id').apply(f).drop('both', axis=1)