python - 在进行合并时 reshape Pandas 数据框

Question

我有一个 pandas.DataFrame (df) 有一些元数据，其中有一个 ID , Column 和 Value ，我想将其与另一个 df 结合，例如:

df_map = pd.DataFrame({"ID" : [3, 7, 17], "Column" : ["A1", "B7", "C17"], 
                       "Value" : ["ValA1", "ValB7", "ValC17"]})

我想合并上面的内容(需要一个更好的词)和下面的 df，其中列名与 Column，下面 df 中的行值与上面的 ID 行值匹配。

df_main = pd.DataFrame({"A1" : [3, 6], "A5" : [5, 10], "B7" : [7, 14] , 
                        "C17" : [17, 34], "C19" : [19, 38] })

因此，我想将它们合并到df's，这样我就可以根据 Value 列将它们添加为附加列来 reshape 它ID 匹配的维度，即 df_result = combine(df_map, df_main)

我基本上希望得到如下结果

df_result = pd.DataFrame({"A1" : [3, 6], "A5" : [5, 10], "B7" : [7, 14] ,
                          "C17" : [17, 34], "C19" : [19, 38], "Value A1" : ["ValA1", None],
                         "Value B7" : ["ValB7", None], "Value C17" : ["ValC17", None ]})

Out[30]:
   A1  A5  B7  C17  C19 Value A1 Value B7 Value C17
0   3   5   7   17   19    ValA1    ValB7    ValC17
1   6  10  14   34   38     None     None      None

不确定在 pandas 中执行此操作的最佳方法？

Answer 1

第一个DataFrame.melt将 index 转换为列以避免在 DataFrame.merge 中丢失使用左连接，然后按 DataFrame.set_index 重新整形与 DataFrame.unstack ，通过 DataFrame.dropna 仅删除缺失的列最后用 map 压平 MultiIndex:

df = (df_main.reset_index()
             .melt('index',var_name='Column', value_name='ID')
             .merge(df_map, how='left')
             .set_index(['index', 'Column'])
             .unstack()
             .rename_axis(None)
             .dropna(how='all', axis=1))
df.columns = df.columns.map('_'.join)
print (df)
   ID_A1  ID_A5  ID_B7  ID_C17  ID_C19 Value_A1 Value_B7 Value_C17
0      3      5      7      17      19    ValA1    ValB7    ValC17
1      6     10     14      34      38      NaN      NaN       NaN