我希望在每个数据框中的同一id
上合并两个数据框,但要创建一个新列,并将指定列中的任何值附加到新数据帧列中的数组。我希望在第二个数据框中看到多个匹配的ID。
这是一个澄清我要找的内容的例子:
import numpy as np
import pandas as pd
df1 = pd.DataFrame(np.random.randint(3, size=(5, 4)), columns=('ID', 'X1', 'X2', 'X3'))
print(df1)
ID X1 X2 X3
0 1 1 0 2
1 0 1 0 1
2 0 1 2 2
3 1 2 2 0
4 2 1 0 0
d = {'ID' : pd.Series([1, 2, 1, 4, 5]), 'Tag' : pd.Series(['One', 'Two', 'Two', 'Four', 'Five'])}
df2 = (pd.DataFrame(d))
print(df2)
ID Tag
0 1 One
1 2 Two
2 1 Two
3 4 Four
4 5 Five
这是我期望在第一行看到的内容:
ID X1 X2 X3 Merged_Tags
0 1 1 0 2 ['One', 'Two']
我想加入df1的id
列,查看所有df2以匹配ids
(会有多个匹配的ID )。找到匹配的id
时,df2['Tag']
中存储的值应附加到df1中的列,可能是数组。
我迭代地管理了这个,但我的数据集相对较大,因此没有发现它可行。
答案 0 :(得分:1)
试试这个:
In [35]: pd.merge(df1, df2.groupby('ID').Tag.apply(list).reset_index(), on='ID', how='left')
Out[35]:
ID X1 X2 X3 Tag
0 2 1 1 2 [Two]
1 1 0 1 1 [One, Two]
2 0 2 1 2 NaN
3 1 0 2 2 [One, Two]
4 0 0 2 2 NaN
或者您可以使用map()
方法:
In [38]: df1['Merged_Tags'] = df1.ID.map(df2.groupby('ID').Tag.apply(list))
In [39]: df1
Out[39]:
ID X1 X2 X3 Merged_Tags
0 2 1 1 2 [Two]
1 1 0 1 1 [One, Two]
2 0 2 1 2 NaN
3 1 0 2 2 [One, Two]
4 0 0 2 2 NaN
答案 1 :(得分:0)
>>> df1.join(df2.groupby('ID').Tag.apply(lambda group: list(group)), on='ID')
ID X1 X2 X3 Tag
0 1 1 0 2 [One, Two]
1 0 1 0 1 NaN
2 0 1 2 2 NaN
3 1 2 2 0 [One, Two]
4 2 1 0 0 [Two]