Python panda与多个值合并答案

【问题标题】：Python panda merging with multiple valuesPython panda与多个值合并
【发布时间】：2019-04-17 16:19:04
【问题描述】：

我正在尝试合并列 artist_title 上的两个数据框。但是，重复值可能在两列中。在处理大型数据集和大型列时，我稍微简化了数据框。

在df1 中，可以提到相同的artist_title，如下例'J. Balvin - Ay Vamos'。

在df2 中，'J 也可以有多个值。 Balvin - Ay Vamos'。

如果在df2 中从df1 中找到artist_title，则提供check_code。当有多个值要从df2 返回时，我想从df1 复制一行以添加额外的check_code，以便我可以查看两个（所有）可用代码。

df1:

channel     ID          artist_title

NOW         301         J. Balvin - Ay Vamos
NOW         302         Troye Sivan - Bloom
NOW         303         Christina Milian - Dip It Low
NOW         304         Lorde - Royals
TRENDING    301         J. Balvin - Ay Vamos
TRENDING    305         Mase - Welcome Back
CHILL       306         Bastille - Pompeii

df2:

artist_title               check_code

The Doors - Touch Me       AD9823459
Ricky Martin - She Bangs   SD8845623 
Spice Girls - Wannabe      SDF945345
Daft Punk - Da Funk        KI9023475
J. Balvin - Ay Vamos       URY734586
J. Balvin - Ay Vamos       YH4763523
Troye Sivan - Bloom        EH7623495

期望的结果：

channel     ID          artist_title                    check_code

NOW         301         J. Balvin - Ay Vamos            URY734586
NOW         301         J. Balvin - Ay Vamos            YH4763523
NOW         302         Troye Sivan - Bloom             EH7623495
NOW         303         Christina Milian - Dip It Low   NaN
NOW         304         Lorde - Royals                  NaN
TRENDING    301         J. Balvin - Ay Vamos            URY734586
TRENDING    301         J. Balvin - Ay Vamos            YH4763523
TRENDING    305         Mase - Welcome Back             NaN
CHILL       306         Bastille - Pompeii              NaN

我尝试合并：

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

结果：

它确实会创建额外的行，但它总是包含一个完全不同的“check_code”，而第二个是正确的“check_code”。例如，像这样：

channel     ID          artist_title                    check_code

NOW         301         J. Balvin - Ay Vamos            ABE000149
NOW         301         J. Balvin - Ay Vamos            YH4763523

由于两列都包含重复值，我猜我需要做的不是合并吗？我怎样才能最好地实现上述目标？

添加：df1 有 4405 个值，df2 有 177806 个值。我只想拥有来自df2 的值（如果它们在df1 中）。如果不是，那我就不要它们了。

【问题讨论】：

您是否尝试过使用how='outer'？
是的，但这不是我想要的：df1 包含 4405 个值（我想要合并的值），df2 包含 177806 个值。我不想要 df1 中未提及的任何来自 df2 的值
那么您可以只在左侧字段中使用dropna，例如channel 或ID。（此外，如果您使数据框可复制，则更容易测试我们的答案）
我可能弄错了，但看起来您可能希望 df2 作为合并中的 left 表，不是吗？将 ID 和诸如此类的内容添加到现有的检查代码中？
这听起来可能是数据问题而不是合并问题。您是否查看过 DF 中存在正确和错误 ID 和校验码的行？

标签： python python-3.x pandas dataframe

【解决方案1】：

你可以制作一个字典来映射。

mapper = {}
def make_map(row):
    mapper[row['artist_title']] = row['check_code']
df2.apply(make_map,axis=1)

df['check_code'] = df['artist_title'].map(mapper)

哪个应该返回预期的结果（删除了我的结果，因为我在将信息传输到 python 时搞砸了，这需要很长时间）

【讨论】：

啊太棒了！这似乎适用于我的数据集，谢谢！ :)
没问题。如果您喜欢答案，请记得将其标记为答案:)