Python Pandas基于来自另一个数据帧的多个列返回一个数据帧的列

我一直在寻找这个问题的答案，但我甚至不知道如何用一种近似结果的方式来描述它

情况：

我想在df中引入值列并将它们合并到df2中，但我需要根据它是否返回值合并多个列。今天的过程是查看是否通过连接高、中、低列来返回值，顺序取决于是否返回值。如果某些高值没有返回结果，则只在中间列上进行连接，如果仍然没有匹配项，则对低列执行相同的过程。我正在研究groupby方法，但不知道这是否是实现我目标的最佳方法

以下是一个基本示例：

df = pd.DataFrame({ 'LOW' : ['Abc', 'Bcd', 'CdE'], 'MID' : ['aBc', 'bCd', 'cDe'], 'HIGH': ['abC', 'bcD', 'cdE'], 'VALUE1': ['1','2','3'], 'VALUE2': ['bb','dd','ee']})

df

+----+-------+------+------+---------+--------+
|    | HIGH  | LOW  | MID  | VALUE1  | VALUE2 |
+----+-------+------+------+---------+--------+
| 0  | abC   | Abc  | aBc  |      1  | bb     |
| 1  | bcD   | Bcd  | bCd  |      2  | dd     |
| 2  | cdE   | CdE  | cDe  |      3  | ee     |
+----+-------+------+------+---------+--------+   

df2 = pd.DataFrame({ 'LOW' : ['Abc-4', 'Bcd-1', 'CdE'], 'MID' : ['aBc*2', 'bCd', 'cDe&3'], 'HIGH': ['abC', 'bcD$22', 'cdE#2']})

df2

+----+---------+--------+-------+
|    |  HIGH   |  LOW   |  MID  |
+----+---------+--------+-------+
| 0  | abC     | Abc-4  | aBc*2 |
| 1  | bcD$22  | Bcd-1  | bCd   |
| 2  | cdE#2   | CdE    | cDe&3 |
+----+---------+--------+-------+

df_result

+----+---------+--------+--------+--------+--------+
|    |  HIGH   |  LOW   |  MID   | VALUE  | VALUE2 |
+----+---------+--------+--------+--------+--------+
| 0  | abC     | Abc-4  | aBc*2  |     1  | bb     |
| 1  | bcD$22  | Bcd-1  | bCd    |     2  | dd     |
| 2  | cdE#2   | CdE    | cDe&3  |     3  | ee     |
+----+---------+--------+--------+--------+--------+

---

谢谢大家!

这就是你想要的吗

import numpy
import pandas as pd
df = pd.DataFrame({ 'LOW' : ['Abc', 'Bcd', 'CdE'], 'MID' : ['aBc', 'bCd', 'cDe'], 'HIGH': ['abC', 'bcD', 'cdE'], 'VALUE1': ['1','2','3'], 'VALUE2': ['bb','dd','ee']})
df1=df.drop(['VALUE1','VALUE2'],axis=1)

df2 = pd.DataFrame({ 'LOW' : ['Abc-4', 'Bcd-1', 'CdE'], 'MID' : ['aBc*2', 'bCd23', 'cDe&3'], 'HIGH': ['abC', 'bcD$22', 'cdE#2']})

rowsum=numpy.sum((df1==df2).astype(int),axis=1)
df_result=df2
df_result['VALUE1']=df.VALUE1*rowsum
df_result['VALUE2']=df.VALUE2*rowsum
df_result

Out[4]: 
     HIGH    LOW    MID VALUE1 VALUE2
0     abC  Abc-4  aBc*2      1     bb
1  bcD$22  Bcd-1  bCd23              
2   cdE#2    CdE  cDe&3      3     ee

---

一个更好的例子可能会有所帮助，但如果我正确地遵循了以下步骤，那么以下方法会起作用：

df3 = pd.merge(df2, df, on='HIGH', how='inner', suffixes=['', 'r'])
df4 = pd.merge(df2, df, on='MID', how='inner', suffixes=['', 'r'])
df5 = pd.merge(df2, df, on='LOW', how='inner', suffixes=['', 'r'])
df6 = pd.concat([df3, df4, df5]).drop(['HIGHr', 'MIDr', 'LOWr'], axis=1)

df6

    HIGH    LOW     MID     VALUE1  VALUE2
0   abC     Abc-4   aBc*2   1       bb
1   bcD$22  Bcd-1   bCd     2       dd
2   cdE#2   CdE     cDe&3   3       ee

---

我认为唯一的方法是先在高处合并，检查nan，如果nan出现，然后再合并到下一个，依此类推。我最终同意了这个建议。下面的答案适用于我的简单示例，但不适用于我的实际用例。