删除行并根据另一个数据框对一个数据框进行排序

Question

我有两个 pandas 数据框（df1 和 df2）：

# df1
  ID  COL
   1    A
   2    F
   2    A
   3    A
   3    S
   3    D
   4    D

# df2
  ID  VAL
   1    1
   2    0
   3    0
   3    1
   4    0

我的目标是将df2 中的相应val 附加到df1 中的每个ID。但是，这种关系不是一对一的（这是我客户的错，对此我无能为力）。为了解决这个问题，我想通过df2['ID'] 对df1 进行排序，使得df1['ID'] 与df2['ID'] 相同。

所以基本上，对于 0 到 len(df2) 中的任何行 i：

• 如果df1.loc[i, 'ID'] == df2.loc[i, 'ID'] 则在df1 中保留行i。
• 如果 df1.loc[i, 'ID'] != df2.loc[i, 'ID'] 则从 df1 删除行 i 并重复。

想要的结果是：

  ID  COL
   1    A
   2    F
   3    A
   3    S
   4    D

这样，我可以使用pandas.concat([df1, df2['ID']], axis=0) 将df2[VAL] 分配给df1。

有没有标准化的方法来做到这一点？ pandas.merge() 有没有办法做到这一点？

在此被投票为重复之前，请注意len(df1) != len(df2)，所以threads like this 并不是我想要的。

Answer 1

这可以通过合并ID 和每个ID 中的顺序来完成：

(df1.assign(idx=df1.groupby('ID').cumcount())
    .merge(df2.assign(idx=df2.groupby('ID').cumcount()),
           on=['ID','idx'],
           suffixes=['','_drop'])
    [df1.columns]
)

输出：

   ID COL
0   1   A
1   2   F
2   3   A
3   3   S
4   4   D

Answer 2

我能看到的获得所需结果的最简单方法是：

# Add a count for each repetition of the ids to temporary frames
x = df1.assign(id_counter=df1.groupby('ID').cumcount())
y = df2.assign(id_counter=df2.groupby('ID').cumcount())

# Merge using the ID and the repetition counter
df1 = pd.merge(x, y, how='right', on=['ID', 'id_counter']).drop('id_counter', axis=1)

这会产生这个输出：

    ID  COL VAL
0   1   A   1
1   2   F   0
2   3   A   0
3   3   S   1
4   4   D   0