合并具有相同键的多行的两个dataframe

Question

我将医疗数据拆分为两个不同的csv，我需要合并它们。一个数据集包含基本的人口统计信息，另一个数据集包含诊断代码。每个患者都被分配了一个名为INC_KEY的唯一标识号，我将其简化为简单的数字，如下例所示:

df1:

INC_KEY   SEX    AGE
1         F      40
2         F      24  
3         M      66

df2:

INC_KEY   DCODE
1         BW241ZZ
1         BW28ZZZ
2         0BH17EZ
3         05H633Z
2         4A103BD
3         BR30ZZZ   
1         BF42ZZZ

我需要将这两个数据帧与输出合并，其中包含df1中所示的三行，并为该患者的每个解码附加列。这样的:

INC_KEY   SEX    AGE   DCODE1     DCODE2     DCODE3
1         F      40    BW241ZZ    BW28ZZZ    BF42ZZZ
2         F      24    0BH17EZ    4A103BD    N/A
3         M      66    05H633Z    BR30ZZZ    N/A 

我该怎么做呢?我试图做一个左合并，但它没有给我正在寻找的结果。

Answer 1

您可以使用.merge组合INC_KEY列上的两个数据框。然后，您可以使用.groupby()和pd.concat()将单个行转换为所需的列。最后，可以使用.drop():

删除原来的"DCODE"列

df = df1.merge(df2, on="INC_KEY", how="right")
df = df.groupby(["INC_KEY", "SEX", "AGE"]).agg({"DCODE": list}).reset_index()
df = pd.concat(
(df, pd.DataFrame(df["DCODE"].values.tolist()).add_prefix("DCODE")), 
axis=1
)
df = df.drop("DCODE", axis=1)

这个输出:

INC_KEY SEX  AGE   DCODE0   DCODE1   DCODE2
0        1   F   40  BW241ZZ  BW28ZZZ  BF42ZZZ
1        2   F   24  0BH17EZ  4A103BD     None
2        3   M   66  05H633Z  BR30ZZZ     None

Answer 2

还有另一种方法:

df_out = df1.merge(df2, on='INC_KEY')
df_out = df_out.set_index(['INC_KEY', 'SEX', 'AGE', df_out.groupby('INC_KEY').cumcount()]).unstack()
df_out.columns = [f'{i}{j}' for i, j in df_out.columns]
df_out.reset_index()

输出:

INC_KEY SEX  AGE   DCODE0   DCODE1   DCODE2
0        1   F   40  BW241ZZ  BW28ZZZ  BF42ZZZ
1        2   F   24  0BH17EZ  4A103BD      NaN
2        3   M   66  05H633Z  BR30ZZZ      NaN