寻找一种更简洁的方式来使用 Pandas 实施此解决方案

Question

我是Pandas的新手，并试图将有关神经网络问题的训练数据汇总在一起。本质上，我有2个DataFrame：一个 DataFrame 有一个用于 primary_key 的列和用于 3 个不同位置的 3 列（运动位置，对于本示例，如果您愿意，假设为一垒、二垒、三垒）。每个位置都有该位置的玩家的玩家 ID。在第二个DataFrame上，我有每个球员的各种统计数据，例如身高和体重。我的最终目标是将第二个DataFrame中的列添加到第一个DataFrame中，以便每个位置具有与特定玩家相关的身高和体重（以列表示）。然后，我要将这个 DataFrame 导出为 csv，按特定顺序排列列，并将其用于我的训练数据，其中每一列是一个训练特征，每一行是一个训练集。我已经找到了一个解决方案，但我想知道我是否以最有效的方式来做，充分利用 Pandas 的功能和特性。这是我的代码的样子： ****编辑：我应该指出，这只是我的代码外观的简化。实际上，我的 DataFrame 是从 CSV 中提取的，而不是从我自己创建的字典中构建的。****import pandas as pd  dict_1 = {'primary_key' : ['a', 'b', 'c', 'd'],          'position_1_ID' : ['ida', 'idb', 'idc', 'idd'],          'position_2_ID' : ['ide', 'idb', 'idg', 'idd'],          'position_3_ID' : ['idg', 'idf', 'idc', 'idh']}dict_2 = {'position_ID' : ['ida', 'idb', 'idc', 'idd', 'ide', 'idf', 'idg', 'idh'],          'Height' : ['70', '71', '72', '73', '74', '75', '76', '77'],          'Weight' : ['200', '201', '202', '203', '204', '205', '206', '207']}positions = pd.DataFrame(dict_1)players = pd.DataFrame(dict_2)position_columns = ['position_1_ID', 'position_2_ID', 'position_3_ID']carry = positionsprevious = Nonefor p in position_columns:    merged = carry.merge(right = players, left_on = p, right_on = 'position_ID', suffixes = [previous, p] )    carry = merged    previous = pcarry.to_csv()运行此代码后，我有一个包含以下列的 DataFrame：'首要的关键''位置_1_ID'“ position_2_ID”'position_3_ID''position_IDposition_1_ID''position_IDposition_2_ID''position_IDposition_3_ID''高度位置_1_ID''权重位置_1_ID''高度位置_2_ID''重量位置_2_ID''Heightposition_3_ID''Weightposition_3_ID'这并不漂亮，但这使我能够最终导出具有特定列顺序的 csv，并且生成 DataFrame 不会花费太长时间。话虽这么说，我正在做这个项目的一部分是为了学习熊猫。我想看看是否有更清洁的方法可以做到这一点。

Answer 1

您可以使用melt,merge和unstack：

df_out = carry.melt('primary_key')\

              .merge(players, left_on='value', right_on='position_ID')\

              .set_index(['primary_key','variable'])\

              .drop('value', axis=1)\

              .unstack()

df_out.columns = [f'{i}{j}' if i != 'position_ID' else f'{i}' for i,j in df_out.columns]

print(df_out)

输出：

            position_ID position_ID position_ID Heightposition_1_ID Heightposition_2_ID Heightposition_3_ID Weightposition_1_ID Weightposition_2_ID Weightposition_3_ID

primary_key                                                                                                                                                            

a                   ida         ide         idg                  70                  74                  76                 200                 204                 206

b                   idb         idb         idf                  71                  71                  75                 201                 201                 205

c                   idc         idg         idc                  72                  76                  72                 202                 206                 202

d                   idd         idd         idh                  73                  73                  77                 203                 203                 207