在熊猫中合并“一对一”数据框答案

【问题标题】：Merge "one-to-one" dataframe in pandas在熊猫中合并“一对一”数据框
【发布时间】：2018-04-16 02:43:38
【问题描述】：

我有两个数据框：

df1 = pd.DataFrame(data = 
{'Invoice' : [1, 2, 3, 4, 5], 'Value' : [10, 25, 40, 10, 15]}) 
df2 = pd.DataFrame(data =
{'Invoice' : [2, 3, 5, 2], 'Value' : [25, 11, 15,25], 'TestData':["A",'B','C','D']})

我已经合并它们并得到 df3:

df3=pd.merge(df1,df2, left_on=["Invoice","Value"], right_on=["Invoice","Value"])

Df3 输出：

   Invoice    Value   TestData
0      2    25        A
1      2    25        D
2      5    15        C

我的问题是如何使用“一对一”获得合并的数据框（我的意思是 - 当发票编号 2 在两个数据框中的一个中仅出现一次（或通常更少）时，请不要使用发票创建另一行合并数据框中的第 2 号）。我想得到这样的东西：

   Invoice    Value   TestData
0      2    25        A
1      5    15        C

或者这个：

   Invoice    Value   TestData
0      2    25        D
1      5    15        C

我只尝试了左右合并，但这不起作用 - 发票编号为 2 的行总是有两行。

谢谢你，
贾雷克

【问题讨论】：

标签： python pandas dataframe merge

【解决方案1】：

使用drop_duplicates 指定列名，参数keep='last' 用于最后一个重复行：

df2 = df2.drop_duplicates(["Invoice","Value"])
#same as
#df2 = df2.drop_duplicates(["Invoice","Value"], keep='first')
df3=pd.merge(df1,df2, on=["Invoice","Value"])
print (df3)
   Invoice  Value TestData
0        2     25        A
1        5     15        C

df2 = df2.drop_duplicates(["Invoice","Value"], keep='last')
df3=pd.merge(df1,df2, on=["Invoice","Value"])
print (df3)
   Invoice  Value TestData
0        2     25        D
1        5     15        C

编辑：

如果需要按所有行分组，则需要添加新列以保持唯一性：

df1['g'] = df1.groupby(['Invoice','Value']).cumcount()
df2['g'] = df2.groupby(['Invoice','Value']).cumcount()

print (df1)
   Invoice  Value  g
0        1     10  0
1        2     25  0
2        3     40  0
3        4     10  0
4        5     15  0

print (df2)
   Invoice TestData  Value  g
0        2        A     25  0
1        3        B     11  0
2        5        C     15  0
3        2        D     25  1

df3=pd.merge(df1,df2, on=["Invoice","Value", "g"]).drop('g', axis=1)
print (df3)
   Invoice  Value TestData
0        2     25        A
1        5     15        C

【讨论】：

感谢您的回复，但我无法从 df2 中删除这些行，因为我需要它们 - 在这种情况下，双倍值不是错误。假设 df1 包含按一个类别子集的发票，而 df2 由另一个类别子集。目前可能是df1中缺少发票的问题，所以我不能删除重复项。我不能放弃它们的另一个原因是（我认为）我将无法使用用于合并的那些值过滤源 df1 和 df2：df1[(~df1.Invoice.isin(df3.Invoice))&(~df1.Value.isin(df3.Value))] 因为那不是源 df但下降了。 @Zulfiqaar
等一下，我有个主意。
非常感谢！多么聪明的解决方案！我从中学到了很多。我点击了“这个答案很有用”，但我没有声誉，所以我能做的就是：/
如果我的回答对您有帮助，请不要忘记 accept 它 - 单击答案旁边的复选标记 (✓) 将其从灰色切换为已填充。谢谢。跨度>
谢谢 - 我没注意到：/

【解决方案2】：

您可以尝试按特定列的去重方法：

df3.drop_duplicates(subset="Invoice")

   Invoice  Value TestData
0        2     25        A
2        5     15        C

【讨论】：