使用 2 个 Pandas DF 插入与出现的列值关联的值

Question

我有两个 df

df1
col_1  col_2    col_3
  1     a1     "text1"
  2     a2     "text2"
  3     a1     "text3"
  4     a1     "text4"

df2
col_1  col_2
  1     a1     
  2     a2     
  3     a3    

df1 在 col_2 中多次出现一个值（学生），而 df2 只有一次出现。我对 df1 的 col_3 中的文本感兴趣。

我需要将 df1 的文本列插入 df2，处理 col_2 的多次出现。 最终结果应该是这样的：

final_df

col_1   col_2        text_from_df1
  1        a1    ["text1,"text3","text4"]
  2        a2          ["text2"]
  3        a3             NaN

有什么想法吗？我在这里有点难过。

Answer 1

您可以在df1 上使用groupby，然后根据它们的特定列right merge col_2：

df_final = pd.merge(df1.groupby('col_2')['col_3'].apply(list), df2, left_on=['col_2'], right_on = ['col_2'], how = 'right')

输出：

  col_2                  col_3  col_1
0    a1  [text1, text3, text4]      1
1    a2                [text2]      2
2    a3                    NaN      3

Answer 2

>>> df2.merge(df1.groupby('col_2')['col_3'].apply(list).rename('text_from_df1').reset_index(), how='left')

   col_1 col_2                text_from_df1
0      1    a1  ["text1", "text3", "text4"]
1      2    a2                    ["text2"]
2      3    a3                          NaN

不建议您在 pandas 中保留 list 类型的对象，因为这可能会导致后续问题。