合并两个 pandas 数据帧和公共值，这些值在一个数据帧中显示为列，在另一个数据帧中显示为行

Question

我有一个包含数百列作为客户端ID的数据帧和一行，每个客户端ID的总票证nr，它看起来像这样：（df1是原始csv文件多次转换的结果）df1+-----+----+-----+| 30  | 5  | 100 |+-----+----+-----+| 122 | 40 |  13 |+-----+----+-----+另一个具有 2 列的数据帧，一列account_id，client_id，如下所示：df2+------------+-----------+| account_id | client_id |+------------+-----------+| 4char      | 4         |+------------+-----------+| 3char      | 5         |+------------+-----------+| 2char      | 30        |+------------+-----------+| 16char     | 9         |+------------+-----------+| 17char     | 100       |+------------+-----------+我希望有一个包含3列account_id，client_id和total_tickets的单个文件，如下所示：df+------------+-----------+---------------+| account_id | client_id | total_tickets |+------------+-----------+---------------+| 4char      | 4         | null+------------+-----------+---------------+| 3char      | 5         | 40+------------+-----------+---------------+| 2char      | 30        | 122+------------+-----------+---------------+| 16char     | 9         | null+------------+-----------+---------------+| 17char     | 100       | 13+------------+-----------+---------------+到目前为止，我已经达到了这一点：我已经创建了一个在两个数据帧上迭代（）的函数，使用isin（）函数检查df2的client_id是否在df1的列中找到，接下来我在df2上添加了一个新列，total_tickets de（）函数f1 = df1, f2 = df2def populating_df(f1, f2):    for org_nr in f2.iterrows():        for col in f1.iterrows():           matched_org_nr =  f2.client_id.isin(f1.columns)           if matched_org_nr.any() == True:               sum_of_tickets_per_col = matched_org_nr           # create a new column in f2 file with the values of total_tickets for each org number matched           f2 = f2.loc[:].assign(Total_Tickets=sum_of_tickets_per_col)         return f2如果有人对如何解决这个问题有任何建议，我会很高兴

Answer 1

首先，我们需要熔化 df1，以便对每行都有一个观察值

然后，您可以使用outhero合并到从两列中获取键

df_melt = pd.melt(df1,var_name='client_id',value_name='total_tickets')

df3 = pd.merge(df_melt ,df2,on=['client_id'],how='outer')

#make sure dtypes are the same.

#df_melt ['client_id'] = df_melt ['client_id'].astype(int) 

df3 = df3[["account_id", "client_id", "total_tickets"]].sort_values(

    "account_id", ascending=False

)

print(df3)

     account_id  client_id  total_tickets

3   4char                4            NaN

1   3char                5           40.0

0   2char               30          122.0

2   17char             100           13.0

4   16char               9            NaN

Answer 2

merge是键，但您必须首先转置初始数据帧，并进行一些修饰性更改，例如重置其索引并提供相关的列名称：

转换可以是：

df1.rename({0: 'total_tickets'}).T.rename_axis('client_id').reset_index()

给：

   client_index  total_tickets

0            30            122

1             5             40

2           100             13

完成此操作后，合并是微不足道的：

result = df2.merge(df1.rename({0: 'total_tickets'}).T.rename_axis('client_id').reset_index(),

                   on='client_id', how='left')

按预期给予：

  account_id  client_id  total_tickets

0      4char          4            NaN

1      3char          5           40.0

2      2char         30          122.0

3     16char          9            NaN

4     17char        100           13.0

Answer 3

您可以使用 .pd.merge

df = pd.merge(df1, df2, on="client_id", how='outer')