Python 动态groupby时将数据帧与另一个数据帧合并

我有一个数据帧（df1），其中的一列对应于从另一个数据帧（df0）中融化。因此，在df1中，我有一个“特征”列，可以是df0中的“材料”、“客户”等，然后在df1中有一个“值”列，它将是df0中相应“特征”列中相同的值。例如，在df1中，我有df1.feature='Material'和df1.value='Car'。在df0中，我将有一列df1.Material，其中包含一个名为“Car”的值

我需要从df0中获得df1中每个值的总“收入”。我的问题是，我不能使用合并，因为df1.feature在df0中不是作为一列出现的，而是df0.Material、df0.Customer等。我可以透视df1，使df1.feature成为多个列，然后为df0创建一些groupby并将它们合并到df1，但这似乎效率很低

我是否可以创建一个函数或类似函数，其中df1根据df1.feature和df1.value中的列名和值获取df0的分组值

df0 = pd.DataFrame({'feature': ['Material', 'Material', 'Customer'],
                    'value': ['Car', 'Bike', 'Trump'],
                    'Coefficient1': [1, 2, 3],
                    'Coefficient2': [5,6,7]})



   df1 = pd.DataFrame({'Material': ['Car', 'Car','Watch'],
                    'Customer': ['Clinton', 'Obama', 'Trump'],
                    'Revenue': [100, 200, 300],
                    'Margin': [10, 20, 3]})

df0

df1

我希望在df0中有：

feature       value coefficient1 coefficient2 Revenue    Margin
Material      Car   1             5            300       15
Material      Bike  2             6            NaN       NaN
Customer      Trump 3             7            300       3 

以下是一种方法，包括：

---

其中，

print（m）

的结果为：

    feature    value  Revenue  Margin
0  Customer  Clinton      100      10
1  Customer    Obama      200      20
2  Customer    Trump      300       3
3  Material      Car      300      15
4  Material    Watch      300       3

以下是一种方法，包括：

---

其中，

print（m）

的结果为：

    feature    value  Revenue  Margin
0  Customer  Clinton      100      10
1  Customer    Obama      200      20
2  Customer    Trump      300       3
3  Material      Car      300      15
4  Material    Watch      300       3

---

添加一些示例数据和基于该示例数据的预期输出。如果我们可以直观地看到您想要做什么，然后通读大量文本，那么就更容易理解您的问题。我已经更新了数据帧和输出-希望有帮助：-）您是如何在第一行的预期输出中获得

300

at

Revenue

和

15

at

Margin

的值的？这是

总和

和

平均值

？它背后的逻辑是什么。添加一些示例数据和基于该示例数据的预期输出。如果我们可以直观地看到您想要做什么，然后通读大量文本，那么就更容易理解您的问题。我已经更新了数据帧和输出-希望有帮助：-）您是如何在第一行的预期输出中获得

300

at

Revenue

和

15

at

Margin

的值的？这是

总和

和

平均值

？背后的逻辑是什么。

m=(df1.melt(['Revenue','Margin'],var_name='feature')
   .groupby(['feature','value'],as_index=False).agg({'Revenue':'sum','Margin':'mean'}))
final=df0.merge(m,on=['feature','value'],how='left')

    feature  value  Coefficient1  Coefficient2  Revenue  Margin
0  Material    Car             1             5    300.0    15.0
1  Material   Bike             2             6      NaN     NaN
2  Customer  Trump             3             7    300.0     3.0

    feature    value  Revenue  Margin
0  Customer  Clinton      100      10
1  Customer    Obama      200      20
2  Customer    Trump      300       3
3  Material      Car      300      15
4  Material    Watch      300       3