Python 在公共索引上合并两个数据帧（无需创建单独的行）

我是新来的熊猫，一直在周围玩耍。我想基于一个共同的索引，用户id连接两个数据帧。不过，我还想做更多的工作。在第一个表（包含用户id及其年龄）中，每个用户id都是唯一的。在第二个表中（包含用户id及其课程，但不按用户id排序），可以有多个相同的用户id（因为用户可以参加多个课程，但每行仅包含一个用户id和一个课程）。数据集相当大，因此我无法手动执行此操作。如果我想加入，这样我仍然可以维护结果表中的用户id是唯一的属性，这样每一行都包含{user id，age，all-of-courses}，我该怎么做呢

例如，我可能有类似

Table 1:             Table 2:
User Id Age          User Id  Coursework
1       18           1        Pre Calculus
2       17           2        Chemistry
3       18           3        English
4       16           2        Linear Algebra
                     1        World History
                     4        Multivariable Calculus
                     1        Psychology
                     3        Government
                     4        Physics (E&M)

我希望结果如下所示：

User Id Age  Coursework
1       18   Pre Calculus, World History, Psychology
2       17   Chemistry, Linear Algebra
3       18   English, Government
4       16   Multivariable Calculus, Physics (E&M)

我将如何以尽可能简单的方式来做这件事？它可能需要一种不同的方法，而不仅仅是合并并在此基础上做一些事情。无论如何，这对于我使用大型数据集所做的事情来说非常有用。提前谢谢你的帮助

我首先转换（分组）第二个DF，然后将其与第一个DF合并：

In [11]: b.groupby('User_Id', as_index=False)[['Coursework']] \
          .agg(', '.join).merge(a, on='User_Id')
Out[11]:
   User_Id                               Coursework  Age
0        1  Pre Calculus, World History, Psychology   18
1        2                Chemistry, Linear Algebra   17
2        3                      English, Government   18
3        4    Multivariable Calculus, Physics (E&M)   16

数据：

说明：

In [15]: b.groupby('User_Id', as_index=False)[['Coursework']].agg(', '.join)
Out[15]:
   User_Id                               Coursework
0        1  Pre Calculus, World History, Psychology
1        2                Chemistry, Linear Algebra
2        3                      English, Government
3        4    Multivariable Calculus, Physics (E&M)

我认为您需要使用

应用
加入
：

另一个解决方案包括：

非常感谢。这非常有帮助，很高兴看到两种方法。我认为如果数据帧越大，
concat
可以更快。在我看来，您可以向上投票两个答案（单击接受标记上方的小三角形
0
）。然后选择一个被接受的答案（由您决定）。好天气；）谢谢你这么快的回复！这非常有用！
In [15]: b.groupby('User_Id', as_index=False)[['Coursework']].agg(', '.join)
Out[15]:
   User_Id                               Coursework
0        1  Pre Calculus, World History, Psychology
1        2                Chemistry, Linear Algebra
2        3                      English, Government
3        4    Multivariable Calculus, Physics (E&M)

df2 = df2.groupby('User Id')['Coursework'].apply(', '.join).reset_index()
#default inner join
df = pd.merge(df1, df2, on='User Id')
#for left join (if some values in df2 are missing)
#df = pd.merge(df1, df2, on='User Id', how='left')
print (df)
   User Id  Age                               Coursework
0        1   18  Pre Calculus, World History, Psychology
1        2   17                Chemistry, Linear Algebra
2        3   18                      English, Government
3        4   16    Multivariable Calculus, Physics (E&M)

df2 = df2.groupby('User Id')['Coursework'].apply(', '.join)
df1 = df1.set_index('User Id')
df = pd.concat([df1, df2], axis=1, join='inner').reset_index()
print (df)
   User Id  Age                               Coursework
0        1   18  Pre Calculus, World History, Psychology
1        2   17                Chemistry, Linear Algebra
2        3   18                      English, Government
3        4   16    Multivariable Calculus, Physics (E&M)