合并两个 pandas 数据帧，每行多列

Question

我有一个如下所示的数据框“df1”：

company id	company name	dealid_1	dealyear_1	dealid_2	dealyear_2
C1	ABC
C2	DEF

我想用另一个数据框“df2”中的数据填充空白单元格，如下所示：

deal id	deal year	company id	company name
D1	2010	C1	ABC
D2	2015	C1	ABC
D3	2012	C2	DEF
D4	2017	C2	DEF

所以“df1”的最终结果应该如下：

company id	company name	dealid_1	dealyear_1	dealid_2	dealyear_2
C1	ABC	D1	2010	D2	2015
C2	DEF	D3	2012	D4	2017

谁能帮我解决这个问题？

谢谢！

Answer 1

使用GroupBy.cumcount for counter, pivoting by DataFrame.pivot with sorting second level of MultiIndex by DataFrame.sort_index，最后压平MultiIndex：

df3 = (df2.assign(g = df2.groupby(['company id','company name']).cumcount())
         .pivot(index=['company id','company name'], columns='g')
         .sort_index(axis=1, level=1))
df3.columns = df3.columns.map(lambda x: f'{x[0]}_{x[1] + 1}')
print (df3.reset_index())
  company id company name deal id_1  deal year_1 deal id_2  deal year_2
0         C1          ABC        D1         2010        D2         2015
1         C2          DEF        D3         2012        D4         2017

要与第一个 df 合并，请使用：

df = df1[['company id', 'company name']].join(df3, on=['company id', 'company name'])

Answer 2

您可以使用：

df3 = (df2.drop(columns='company name')
          .assign(col=df2.groupby('company name').cumcount().add(1).astype(str))
          .pivot(index='company id', columns='col')
       )
df3.columns = df3.columns.map('_'.join)

out = df1[['company id', 'company name']].merge(df3, on='company id')

输出：

  company id company name deal id_1 deal id_2  deal year_1  deal year_2
0         C1          ABC        D1        D2         2010         2015
1         C2          DEF        D3        D4         2012         2017

合并两个 pandas 数据帧，每行多列

Merge two pandas dataframes with multiple columns per row

python

pandas

dataframe

join

merge