我有两个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         |


我应该将它们一对一合并以得到:

| ID        | Invoice   | ID        |
-------------------------------------
| X\191     | 4         | X191      |
| X\192     | 4         |           |
| 733       | 1         |           |
| X215      | 3         | X215      |
| BL000002  | 3         | BL000002  |


但是当我进行外部合并时,会得到重复的值

import pandas as pd
dict1 = {"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')


输出如下:

    ID_x    Inv    ID_y
X\191       4      X191
X\192       4      X191
733         1       NaN
X215        3      X215
X215        3  BL000002
BL000002    3      X215
BL000002    3  BL000002


我该如何合并,以使它一对一地结合在一起,而不是混合搭配。

我不能在合并中使用任何其他列,因为它们的实际数据会有所不同。

编辑和解释
对不起。我还不够清楚。列ID不一致。我也不能保证它永远都是子字符串。但是发票值必须相同。这是人类输入的一年多时间,大约有1.5万行。我需要对它们进行排序,以使具有相同发票值的发票彼此相邻,因此,当其中一个数据框(最初是excel工作表)中缺少某些内容时,手动进行验证变得更加容易

最佳答案

您需要另外一个基于cumcount的列:

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

关于python - Pandas 强制对包含重复键的列进行一对一合并,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/53912388/

10-16 18:50