如何用更有效的方法替换两个 for 循环（用于两个数据帧）

【问题标题】：How to replace two for loops (for two dataframes) with something more efficient如何用更有效的方法替换两个 for 循环（用于两个数据帧）
【发布时间】：2021-10-14 19:00:40
【问题描述】：

我有两个数据框和一个共享列。我正在尝试根据该列将一个数据帧中的四列分配给另一个（它们尚不存在）。这大约需要 45 分钟才能运行。有没有更好的方法来做到这一点？

df_1['a'] = ''
df_1['b'] = ''
df_1['c'] = ''
df_1['d'] = ''


for i in range(len(df_1)):
    for j in range(len(df_2)):
        if df_1.loc[i, 'common_col'] == df_2.loc[j, 'common_col']:
            df_1.loc[i, 'a'] = df_2.loc[j, 'a']
            df_1.loc[i, 'b'] = df_2.loc[j, 'b']
            df_1.loc[i, 'c'] = df_2.loc[j, 'c']
            df_1.loc[i, 'd'] = df_2.loc[j, 'd']

【问题讨论】：

标签： loops for-loop nested

【解决方案1】：

如果我理解正确，您希望 .merge 将数据框放在一起。

如果你有df1:

   c1  c2  common_col
0   1   2           1
1   3   4           2
2   5   6           3

和df2:

   a  b  c  common_col
0  1  2  3           1
1  3  4  5           3

然后：

df_out = df1.merge(df2, on="common_col", how="left")
print(df_out)

打印：

   c1  c2  common_col    a    b    c
0   1   2           1  1.0  2.0  3.0
1   3   4           2  NaN  NaN  NaN
2   5   6           3  3.0  4.0  5.0

【讨论】：

如果公共列名在不同的行上包含不同的值，这会起作用吗？意思是，df_1 的行数比 df_2 多，尽管列名相同且每个数据帧中该列的唯一值相同，但 df_1 的 common_col 中的值与它们出现的顺序不同df_2，df_1 中的值也可能出现多次。
当我尝试这个时，它创建了两组新列 - 一组后缀为 _x，一组后缀为 _y。你知道这是怎么回事吗？