从另一个数据框中的列中发现信息

Question

我有两个数据帧，它们是 df_First：      df_First = pd.DataFrame({'Car Model': ['Fiesta 2010', 'Fiesta 2010', 'Cruze 2020', 'Fiesta                                2005'],                               'Car Plate End': [749, 749, 100, 200],                              'Car Color': ['Red', 'Red', 'Blue', 'Black'],                              'Num Door': [2,2,4,4]})      print(df_First)      Car Model        Car Plate End    Car Color   Num Door     Fiesta 2010          749             Red         2     Fiesta 2010          749             Red         2     Cruze 2020           100             Blue        4     Fiesta 2005          200             Black       4和 df_Second：        df_Second = pd.DataFrame({'Car Plate End': [749, 749, 749, 100, 749, 100, 200, 500],                                   'Cost_Max': [10, 20, 30, 40, 50, 60, 70, 80],                                  'Cost_Min': [1, 2, 3, 4, 5, 6, 7, 8]})       print(df_Second)      Car Plate End   Cost_Max  Cost_Min          749           10         1          749           20         2          749           30         3          100           40         4          749           50         5          100           60         6          200           70         7          500           80         8我想创建一个新的数据框（与 df_Second 的行数相同）。它必须包含基于车牌末端的车型。所需的输出如下：      Car Plate End   Cost_Max  Cost_Min  Car Model          749           10         1        Fiesta 2010          749           20         2        Fiesta 2010          749           30         3        Fiesta 2010          100           40         4        Cruze 2020          749           50         5        Fiesta 2010          100           60         6        Cruze 2020          200           70         7        Fiesta 2005              500           80         8        NaN我试图实现以下代码：       df_Total = pd.merge(df_Second, df_First, on=['Car Plate End'], how='outer')我只需要找出 df_Second 指的是哪种车型。我不需要其他列。我还希望 df_Total 具有与 df_Second 相同的行数。非常感谢您的帮助和关注。

Answer 1

要解决的主要问题是您的第一个数据框包含需要删除的重复关系。有几种方法可以实现结果，包括merge, join, map。这是join方法，

map_unique = df_First.groupby('Car Plate End')['Car Model'].first()

df_Second.join(map_unique, on='Car Plate End')