合并两个熊猫数据框时，如何将行“配对”并将它们合并为一个？答案

【问题标题】：How to "pair" rows together and consolidate them into one when merging two pandas DataFrames?合并两个熊猫数据框时，如何将行“配对”并将它们合并为一个？
【发布时间】：2020-03-03 05:29:39
【问题描述】：

对于可能合并先前问题/主题的内容，请提前致歉。我在各种相关文章上花费了大量时间，并且相信我迷失了最佳使用方法。问题是：

我有两个相同维度、列名和索引的 Pandas DataFrame。它们都来自单独的 SQL 查找。我有第三个 DataFrame 用作 dict，这样我就可以使用连接/合并操作来填充原始两个 DataFrame 中的每一个中的空列。一旦完成，并且两个 DataFrame 中的列都已满，我想将它们拼接在一起，以便将两者中的相应条目组合成一个统一 DataFrame 中的一行，而不是每个 DataFrame 中的一行。显然会有列命名冲突，这是问题的一部分。这是一个表示：

    frame1
Out[87]: 
   matchupid   primary    geo
0      27812  student1   east
1      91876  student3   east
2      65019  student5   west
3      21632  student7  south
frame2
Out[88]: 
   matchupid   primary      geo
0      27812  student2     west
1      91876  student4  central
2      65019  student6    north
3      21632  student8     east

省略控制字典以节省帖子中的空间，这是我将每个帧合并到字典帧时得到的结果。 到目前为止，这里的结果是正确的（对我来说）：

a1 = frame1.merge(dictFrame, on="primary")
a1
Out[70]: 
   matchupid   primary    geo  matchup q1_res q2_res
0      27812  student1   east    27812   fail   41.2
1      91876  student3   east    91876   78.2   pass
2      65019  student5   west    65019  defer    107
3      21632  student7  south    21632  210.4   fail
a2 = frame2.merge(dictFrame, on="primary")
a2
Out[72]: 
   matchupid   primary      geo  matchup q1_res q2_res
0      27812  student2     west    27812  defer   fail
1      91876  student4  central    91876  104.2  defer
2      65019  student6    north    65019   92.2   91.4
3      21632  student8     east    21632   pass   pass
a3 = pd.concat([a1, a2])
a3
Out[75]: 
   matchupid   primary      geo  matchup q1_res q2_res
0      27812  student1     east    27812   fail   41.2
1      91876  student3     east    91876   78.2   pass
2      65019  student5     west    65019  defer    107
3      21632  student7    south    21632  210.4   fail
0      27812  student2     west    27812  defer   fail
1      91876  student4  central    91876  104.2  defer
2      65019  student6    north    65019   92.2   91.4
3      21632  student8     east    21632   pass   pass

现在，所需的状态看起来像这样（有点做作，因为我实际上无法弄清楚如何做到这一点:)）。 这没有实现 - 这是期望的结果：

Out[97]: 
   matchupid   primary q1_res q2_res secondary secondary_q1res secondary_q2res
0      27812  student1   fail   41.2      student2        defer         fail
1      91876  student3   78.2   pass      student4        104.2         defer
2      65019  student5  defer    107      student6        92.2          91.4
3      21632  student7  210.4   fail      student8        pass          pass

我尝试了几种不同的方法，我很好奇索引和匹配 IP 相同这一事实是否会带来一些优势。我想也许在 matchupid 上使用 groupby 会让我在需要保持的配对中工作。如果可行，剩下的任务是 1/ 将两行合二为一，2/ 将它们添加到新的（？）数据帧中，以及 3/ 更改列名。有人介意提出一种方法或我缺少的链接吗？提前致谢！

grouped = a3.groupby('matchupid')
grouped.get_group(21632)
Out[109]: 
   matchupid   primary q1_res q2_res
3      21632  student7  210.4   fail
3      21632  student8   pass   pass

【问题讨论】：

标签： python pandas dataframe pandas-groupby

【解决方案1】：

看起来这是pd.concat(axis=1) 的工作，“水平”连接：

# Create a temporary DataFrame from a2 with correct column names
temp = a2.rename(columns={'primary': 'secondary', 
                          'q1_res':'secondary_q1res',
                          'q2_res':'secondary_q2res'})
temp = temp.drop(columns=['matchup', 'geo'])

# Horizontally concat with relevant columns of a1
a3 = pd.concat([a1.drop(columns=['matchup', 'geo']), temp], axis=1)

【讨论】：