python - 将多个值添加到列中 - Pandas

Question

我有两个 pandas 数据框，我试图将它们的 ID 号合并在一起。然而，在 df1 中，该 ID 被多次使用，而在 df2 中，该 ID 仅被使用一次。因此，我希望最终的数据帧包含所有用逗号分隔的结果，并在其前面有一个索引值。我做了一个简单的例子来帮助我解释我的问题。

df1:

df2:

合并目标:

我尝试过像平常一样合并它们:

MergedGoal= pd.merge(df1, df2, on='ID', how='left')

但是我收到 ID 关键错误，可能是因为存在重复项。我怎样才能将它们添加在一起？如果有人也能给我一些关于如何为每个附加值添加索引的见解，那就太棒了。但是，如果不可能添加索引号，那完全没问题，我只需要同一条目中的所有值用逗号分隔。

Answer 1

我通过以下方式创建了df1:

df1 = pd.DataFrame(data=[
    [ 1, 'Manchester', 'NH',  3108 ],
    [ 1, 'Bedford',    'NH',  3188 ],
    [ 6, 'Boston',     'MA', 23718 ],
    [ 1, 'Austin',     'TX', 20034 ]],
    columns=['ID', 'City', 'State', 'Zip'])
df1.Zip = df1.Zip.astype(str).str.zfill(5)

请注意，我更改了源Zip(正如我所见，它们是“普通”整数)转换为字符串，因为您希望有前导零。

为了创建df2，我使用了:

df2 = pd.DataFrame(data=[[ 1, 'Best Cities', 'xxx' ], [ 6, 'Worst Cities', 'yyy' ]],
    columns=['ID', 'Title', 'Description'])

作为准备步骤，让我们定义一个将使用的函数聚合 df1 中的列:

def fn(src):
    lst = [ f'{idx}) {val}' for idx, val in enumerate(src, start=1) ]
    return ', '.join(lst)

该函数的第一步是列表理解，其中enumerate 迭代src(当前列的内容在当前组中)和替补:

• idx - 当前元素索引，但从 1 开始，
• val - 当前元素本身。

结果项的格式化执行f-string。结果是一个列表，例如城市名称前面带有数字。

return 语句将此列表连接成一个字符串，插入“,”他们之间。

所以例如对于 ID == 1 和 City 列的组，源值为:[ 'Manchester', 'Bedford', 'Austin' ] 结果是:1) 曼彻斯特，2) 贝德福德，3) 奥斯汀。

实际处理可以通过单个指令执行:

pd.merge(df2, df1.groupby('ID').agg(fn), how='left',
    left_on='ID', right_index=True).fillna('')

如您所见:

• 我恢复了合并数据帧的顺序。这样的结果包含来自 df2 的第一列，然后来自 df1 的第一列。
df1 中的
• City、State 和 Zip 列位于首位按ID分组并使用fn函数进行聚合。
• 然后将它们与df2合并。
• 我添加了 fillna('') 以用空字符串替换 NaN 值，如果ID仅存在于df2中，则会发生这种情况。