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/