我有兩個Dataframes，df1：| ID | Invoice |-------------------------| X\191 | 4 || R\192 | 4 || 733 | 1 || X215 | 3 || BL000002 | 3 |df2：| ID | Invoice |-------------------------| X191 | 4 || X215 | 3 || BL000002 | 3 |我應該將它們一一合并以獲得：| ID | Invoice | ID |-------------------------------------| X\191 | 4 | X191 || X\192 | 4 | || 733 | 1 | || X215 | 3 | X215 || BL000002 | 3 | BL000002 |但是當我進行外部合并時，我會得到重復的值import pandas as pddict1 = {"ID": ["X\\191","R\\192","733","X215","BL000002"], "Inv": [4,4,1,3,3]}df1 = pd.DataFrame.from_dict(dict1)dict2 = {"ID": ["X191","X215","BL000002"], "Inv": [4,3,3]}df2 = pd.DataFrame.from_dict(dict2)some_df = pd.merge(df1, df2, on = 'Inv', how='outer')輸出看起來像： ID_x Inv ID_yX\191 4 X191X\192 4 X191733 1 NaNX215 3 X215X215 3 BL000002BL000002 3 X215BL000002 3 BL000002我怎樣才能合并，以便我讓它一對一地加入而不是混合和匹配。我不能在合并中使用任何其他列，因為它們在實際數據中會有所不同。編輯和解釋 對不起。我說得不夠清楚。列 ID 不一致。我也不能保證它是否總是一個子字符串。但發票值必須相同。這是人類一年多來輸入的，大約有 15K 行。我需要對它們進行排序，以使具有相同 Invoice 值的那些彼此相鄰，因此當其中一個數據幀（最初是 Excel 表）中缺少某些內容時，手動驗證會更容易
3 回答
翻翻過去那場雪
TA貢獻2065條經驗 獲得超14個贊
我認為一個簡單的列表查找就可以解決問題：
df1['new_id'] = df1.apply(lambda row: row['ID'] if row['ID'] in df2['ID'].tolist() else "", axis=1)
ID Invoice new_id
0 X191 4 X191
1 X192 4
2 X212 1
3 X215 3 X215
4 X319 3 X319
找到要刪除的內容后，您可以執行以下操作（我假設 ID 有\, ., '@' ）：
df['ID'] = df['ID'].str.replace(r'\\|\.|@', '')
紫衣仙女
TA貢獻1839條經驗 獲得超15個贊
您需要一個額外的cumcount基于列：
u = df1.assign(Cnt=df1.groupby('Inv').cumcount())
v = df2.assign(Cnt=df2.groupby('Inv').cumcount())
u.merge(v, on=['Inv', 'Cnt'], how='left').drop('Cnt', 1)
ID_x Inv ID_y
0 X\191 4 X191
1 R\192 4 NaN
2 733 1 NaN
3 X215 3 X215
4 BL000002 3 BL000002
Qyouu
TA貢獻1786條經驗 獲得超11個贊
試試下面：
您正在尋找pandas.merge_asof. 它允許您在一個鍵上組合 2 個 DataFrame，在這種情況下是 time，而不要求它們完全匹配。您可以選擇優先匹配的方向，但在這種情況下，很明顯您想要最近的
>>> pd.merge_asof(df2.sort_values('Inv'), df1.sort_values('Inv'), on='Inv', direction='nearest')
? ID_x? Inv? ID_y?
0? 215? ? 3? X319
1? 319? ? 3? X319
2? 191? ? 4? X192
添加回答
舉報
0/150
提交
取消