检查 pandas df2.colA 是否出现 df1.id 并将 (df2.colB, df2.colC) 写入 df1.colAB

Question

我有两只熊猫df，它们的长度不同。 df1 在 id 列中具有唯一 ID。这些 id 在df2.colA 中出现（多次）。我想将df2.colA 中所有出现的df1.id 的列表（以及df1.id == df2.colA 匹配索引处的另一列）添加到df1 的新列中。可以使用匹配的索引df2.colA，也可以使用所有匹配的其他行条目。

例子：

df1.id = [1, 2, 3, 4]

df2.colA = [3, 4, 4, 2, 1, 1] 

df2.colB = [5, 9, 6, 5, 8, 7]

这样我的操作会创建如下内容：

df1.colAB = [ [[1,8],[1,7]], [[2,5]], [[3,5]], [[4,9],[4,6]] ]

我尝试了很多映射方法、显式循环（超级慢）、检查isin 等。

Answer 1

您可以使用 Pandas apply 遍历 df1 值的每一行，同时创建一个包含 df2.colA 中所有索引的列表。这可以通过在df2.colB 上使用Pandas index 和loc 创建一个列表，其中包含df2.colA 中与df1.id 中的行匹配的所有索引。然后，在 apply 本身内使用 for 循环来创建匹配值列表。

import pandas as pd
# setup
df1 = pd.DataFrame({'id':[1,2,3,4]})
print(df1)

df2 = pd.DataFrame({
        'colA' : [3, 4, 4, 2, 1, 1],
        'colB' : [5, 9, 6, 5, 8, 7]
})
print(df2)

#code
df1['colAB'] = df1['id'].apply(lambda row:
        [[row, idx] for idx in df2.loc[df2[df2.colA == row].index,'colB']])

print(df1)

df1的输出

   id             colAB
0   1  [[1, 8], [1, 7]]
1   2          [[2, 5]]
2   3          [[3, 5]]
3   4  [[4, 9], [4, 6]]