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 = df2

def 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_tickets3   4char                4            NaN1   3char                5           40.00   2char               30          122.02   17char             100           13.04   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_tickets0            30            1221             5             402           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_tickets0      4char          4            NaN1      3char          5           40.02      2char         30          122.03     16char          9            NaN4     17char        100           13.0

Answer 3

您可以使用 .pd.mergedf = pd.merge(df1, df2, on="client_id", how='outer')