Skip to main content
 首页 » 编程设计

python之比较 Pandas 中的列并合并

2025年01月19日12think

所以我有两个数据框,我想将它们合并到名为 offer_codes 的列中。所有行在列表中都有多个报价代码(我可能会将其转换为元组),我想将报价代码与第二个数据框匹配并合并它们。其中一个数据框返回一个列表,另一个只是一个值,但我想合并它以便合并。数据框来自网站的销售数据。

df = pd.DataFrame(data={'available': [False, True, True], 
                        'count': [190,285,165], 
                        'offer_codes': ['no_offer_code',['G545', 'G1891'],['G92182', 'G1921']]}) 
df2 = pd.DataFrame(data={'price':[85.00,99.00], 
                         'offer_codes':['G1891', 'G1921'], 
                         'after_fees':[105, 121]}) 

我想合并这些,但我的问题是,当我尝试与元组合并时,列表无法散列,似乎无法正确匹配。

#first df 
   available  count      offer_codes 
0      False    190    no_offer_code 
1       True    285    [G545, G1891] 
2       True    165  [G92182, G1921] 
#2nd df 
   after_fees offer_codes  price 
0         105       G1891   85.0 
1         121       G1921   99.0 
#after the merge 
   after_fees  available  count offer_codes  price 
0         105       True    285       G1891   85.0 
1         121       True    165       G1921   99.0 

我认为将列表放入元组中会奏效,但事实并非如此。

请您参考如下方法:

有点长..

df.set_index(['available','count']).offer_codes.apply(pd.Series).stack().\ 
      to_frame('offer_codes').\ 
          reset_index(level['count','available']).\ 
            merge(df2,on='offer_codes',how='left').dropna() 
Out[59]:  
   available  count offer_codes  after_fees  price 
2       True    285       G1891       105.0   85.0 
4       True    165       G1921       121.0   99.0