如何根据一个数据框中的不同列合并两个数据框？

Question

我有两个数据框：

df1 = pd.DataFrame({'id1':[3,2,1,4,5],'id2':[8,7,6,9,10]})
df2 = pd.DataFrame({'id3':[6,2,8,5,4],'Name':['a','b','c','e','d']})

df1

id1   id2
3     8
2     7
1     6
4     9
5     10

df2

id3   Name
6     a
2     b
8     c
5     e
4     d

说明

• df1 由 2 列（id1 和 id2）组成，它们代表两列的唯一值。

• df2 由 2 列（id3 和 name）组成，它们也代表唯一值。

• df2 的

  id3 列由 df1 行中的任一值组成，其顺序也是随机的。示例 - 让我们取 id3 列的第一个值，即 6。它是通过选择 df1 的第三行的随机值制成的。类似地，2 是从 df1 的第二行中选取随机值制成的。等等..

现在我想根据 id3 列上的可用性，通过 df2 的 id3 和 df1 的 id1 或 id2 合并这两个数据帧。因此，最终的数据框将如下所示：

id1 id2 id3 Name
3   8   8   c
2   7   2   b
1   6   6   a
4   9   4   d
5   10  5   e

谁能帮我解决这个问题？

Answer 1

您可以合并 2 次：首先在 id1/id3 上，然后在 id2/id3 上，然后加入 2 个数据帧：

更新

我也想恢复 df1 在 out dataframe 中的值的顺序。

out = pd.concat([df1.reset_index().merge(df2, left_on='id1', right_on='id3'),
                 df1.reset_index().merge(df2, left_on='id2', right_on='id3')]) \
        .sort_values('index').drop(columns='index').reset_index(drop=True)

输出：

>>> out
   id1  id2  id3 Name
0    1    6    6    a
1    2    7    2    b
2    3    8    8    c
3    4    9    4    d
4    5   10    5    e