python - Pandas 强制对包含重复键的列进行一对一合并

Question

我有两个Dataframes, df1:

| ID        | Invoice   |
-------------------------
| X\191     | 4         |
| R\192     | 4         |
| 733       | 1         |
| X215      | 3         |
| BL000002  | 3         |

df2:

| ID        | Invoice   |
-------------------------
| X191      | 4         |
| X215      | 3         |
| BL000002  | 3         |

我应该将它们一对一合并以获得:

| ID        | Invoice   | ID        |
-------------------------------------
| X\191     | 4         | X191      |
| X\192     | 4         |           |
| 733       | 1         |           |
| X215      | 3         | X215      |
| BL000002  | 3         | BL000002  |

但是当我进行外部合并时，我会得到重复的值

import pandas as pd
dict1 = {"ID": ["X\\191","R\\192","733","X215","BL000002"], "Inv": [4,4,1,3,3]}
df1 = pd.DataFrame.from_dict(dict1)

dict2 = {"ID": ["X191","X215","BL000002"], "Inv": [4,3,3]}
df2 = pd.DataFrame.from_dict(dict2)

some_df = pd.merge(df1, df2, on = 'Inv', how='outer')

输出如下:

    ID_x    Inv    ID_y
X\191       4      X191
X\192       4      X191
733         1       NaN
X215        3      X215
X215        3  BL000002
BL000002    3      X215
BL000002    3  BL000002

我如何合并才能使其一对一连接而不是混合搭配。

我不能在合并中使用任何其他列，因为它们在实际数据中会有所不同。

编辑和解释对不起。我还不够清楚。列 ID 不一致。我也不能保证它是否总是一个子字符串。但发票金额必须相同。这是人类在一年多的时间内输入的，大约有 15K 行。我需要对它们进行排序，使具有相同 Invoice 值的那些彼此相邻，这样当其中一个数据框(最初是 Excel 工作表)中缺少某些内容时更容易手动验证

Answer 1

我认为简单的列表查找就可以解决问题:

df1['new_id'] = df1.apply(lambda row: row['ID'] if row['ID'] in df2['ID'].tolist() else "", axis=1)

     ID  Invoice new_id
0  X191        4   X191
1  X192        4       
2  X212        1       
3  X215        3   X215
4  X319        3   X319

找到要删除的内容后，您可以执行以下操作(我假设 ID 有 \、.、'@'):

df['ID'] = df['ID'].str.replace(r'\\|\.|@', '')