时间戳

首页 > 解决方案 > 熊猫在条件下合并数据框

python - 熊猫在条件下合并数据框

问题描述

假设我有一个父母df：

父_df：

id

11.0_A
121.0_B
433.0_A
32.0_A
12.0_B

我还有另外两个数据框 df_A 和 df_B。

df_A:

id, name
.
.
11, abc
433, xyz
32, jkl

df_B：

id, name
.
.
121, mno
12, pqr

我希望parent_df根据行与适当的 df_A 或 df_B 合并。

预期结果：

parent_df

id,        name

11.0_A,     abc
121.0_B,    mno
433.0_A,    xyz
32.0_A,     jkl
12.0_B,     pqr

我如何实现这一目标？

我知道合并两个 df 我可以简单地做：

parent_df = parent_df.merge(df_A, on=['id'], how='inner')

但事实并非如此，我需要处理一个条件，也许还需要id拆分.0_。

任何帮助，将不胜感激！

标签： pythonpython-3.xpandasdataframe

解决方案

您可以使用splitand ，然后使用 and 的连接进行explode合并：df_Adf_B

df_res = parent_df.merge(
    pd.concat((
        pd.concat((df_A, pd.DataFrame(['A' for _ in range(len(df_A))], columns=['AB'])), axis=1),  # add a column with 'A'
        pd.concat((df_B, pd.DataFrame(['B' for _ in range(len(df_B))], columns=['AB'])), axis=1),  # add a column with 'B'
    )),  # concatenate df_A and df_B, enriched by 'AB' column
    how='left',
    left_on=['AB', 'id_AB'],
    right_on=['AB', 'id'],
    suffixes=('_x', '_y'),
)[['id_x', 'name']].rename(columns={'id_x': 'id'})

假设parent_df,df_A和df_B是：

import pandas as pd

parent_df = pd.DataFrame(
    data=[
        ['11.0_A'],
        ['121.0_B'],
        ['433.0_A'],
        ['32.0_A'],
        ['12.0_B'],
    ], columns=['id']
)

df_A = pd.DataFrame(
    data=[
        [11, 'abc'],
        [433, 'xyz'],
        [32, 'jkl'],
    ],
    columns=['id', 'name']
)

df_B = pd.DataFrame(
    data=[
        [121, 'mno'],
        [12, 'pqr'],
    ],
    columns=['id', 'name']
)

df_res是：

        id name
0   11.0_A  abc
1  121.0_B  mno
2  433.0_A  xyz
3   32.0_A  jkl
4   12.0_B  pqr

推荐阅读