根据不同的列联接两个表

Question

我在Pandas中有两个数据框DB1和DB2，都带有一个names列，其中包含公司名称。根据{{​​1}}列，我将模糊字符串匹配与string_grouper包一起用于为DB1和DB2中都存在的公司获取表matches，如下所示：

现在，我想将DB1和DB2加入names，即将其列附加到匹配项中，但仅适用于在匹配项中显示的公司。

因此，我想使用matches等同于DB1 ['names']（即，将matches['left_side']值等同于DB1的行附加到matches的每一行等于DB1['names']）和matches['left_side']中的值，等同于DB2中的DB2 ['names']。 （即，将matches['right_side']的值等同于matches中的值添加到DB2中的每一行，例如DB2['names']）

我该怎么做？

我还认为可能需要重命名DB2 ['names']，因为否则生成的联接表将具有来自DB1 ['names']和DB2 ['names']的同名列？

编辑：很高兴在必要时使用SQL代替熊猫

Answer 1

import pandas as pd

df_db1 = ...
df_db2 = ...
df_matches = ...

# merge matches with db1 and specify the columns you want to use as key
df_matches = df_matches.reset_index().merge(df_db1, left_on=['left_side'], right_on=['names'], how="left", suffixes=["matches_", "db1_"]).set_index("index")
# merge matches (already matched with db1) again with db2 and specify the new columns you want to use as key
df_matches = df_matches.reset_index().merge(df_db2, left_on=['right_side'], right_on=['names'], how="left", suffixes=["matches_", "db2_"]).set_index("index")

。reset_index() ... .set_index("index")部分将保留df_matches的初始索引，否则将被重置。

此外，您不必事先重命名列，因为您可以像这样使用suffixes参数：suffixes=["matches_", "db1_"]，如果有2个同名列，则会自动重命名列。 / p>

还请记住，如果df_db1或df_db2的密钥都为duplicates，则在新的df_match中也将同时具有这两个密钥。如果您不希望这样做，则必须在此之前进行重复管理。