根据列值加入熊猫数据框

Posted 2023-02-24

【中文标题】根据列值加入熊猫数据框

【英文标题】：Join pandas dataframes based on column values

【发布时间】：2017-11-30 14:05:36

【问题描述】：

我对 pandas 数据框很陌生，我在连接两个表时遇到了一些麻烦。

第一个 df 只有 3 列：

DF1:
item_id    position    document_id
336        1           10
337        2           10
338        3           10
1001       1           11
1002       2           11
1003       3           11
38         10          146

第二个有完全相同的两列（还有很多其他列）：

DF2
item_id    document_id    col1    col2   col3    ...
337        10             ...     ...    ...
1002       11             ...     ...    ...
1003       11             ...     ...    ...

我需要执行的操作在 SQL 中如下所示：

DF1 join DF2 on 
DF1.document_id = DF2.document_id
and
DF1.item_id = DF2.item_id

因此，我希望看到 DF2，并辅以“位置”列：

item_id    document_id    position    col1   col2   col3   ...

什么是使用 pandas 的好方法？

谢谢！

【参考方案1】：

我认为您需要 merge 和默认的 inner 连接，但两列中的值没有重复组合：

print (df2)
   item_id  document_id col1  col2  col3
0      337           10    s     4     7
1     1002           11    d     5     8
2     1003           11    f     7     0

df = pd.merge(df1, df2, on=['document_id','item_id'])
print (df)
   item_id  position  document_id col1  col2  col3
0      337         2           10    s     4     7
1     1002         2           11    d     5     8
2     1003         3           11    f     7     0

但如有必要，position 列在位置3：

df = pd.merge(df2, df1, on=['document_id','item_id'])
cols = df.columns.tolist()
df = df[cols[:2] + cols[-1:] + cols[2:-1]]
print (df)
   item_id  document_id  position col1  col2  col3
0      337           10         2    s     4     7
1     1002           11         2    d     5     8
2     1003           11         3    f     7     0

【讨论】：

非常感谢！如此简单又如此优雅:) 这完全解决了问题。

在使用其中一列中的重复 ID 组合时，我可以问您一个可能的解决方案吗？

@jezrael 如果我想要一个左连接，我正在寻找右侧与左侧不匹配的项目（用于动态数据结构上的数据有效负载验证）我该怎么做?这是内连接，谢谢