PANDAS DATAFRAME:通过两个列合并三个数据框，忽略了大多数列

Question

i具有以下三个数据范围，它们由两个列"索引"：分组item1，item2，item3等，以及该组148, 179, 188, 267, ...中的数值位置。

import pandas as pd
data1 = {"grouping": ["item1", "item1", "item1", "item2", "item2", "item2", "item2", ...],
        "positions": [148, 179, 188, 267, 693, 963, 979, ...],
        "metadata": [5, 1, 8, 3, 731, 189, 9, ...], 
        "unique_column1" : ['QLZX9J', 'L3FPRU', '69TVKF', 'N096NQ', 'JM89V5', 'W7JBOL', '63KKZZ', ...] }


data2 = {"grouping": ["item1", "item1", "item1", "item1", "item1", "item1", "item2", ...],
        "positions": [118, 241, 431, 448, 455, 677, 740, ...],
        "metadata": [5, 1, 8, 3, 731, 189, 9, ...], 
        "unique_column2" : [4714, 1178, 235, 47, 54, 89, 12, ...] }
data3 = {"grouping": ["item1", "item1", "item1", "item1", "item1", "item1", "item1", ...],
        "positions": [118, 148, 179, 188, 241, 431, 448,...],
        "metadata": [5, 1, 8, 3, 731, 189, 9, ...], 
        "unique_column3" : ['a', 'a', 'a', 'a', 'a', 'a', 'a', ...] }

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)
df3 = pd.DataFrame(data3)
df1
>>>    grouping positions  metadata unique_column1
0     item1       148         5         QLZX9J
1     item1       179         1         L3FPRU
2     item1       188         8         69TVKF
3     item2       267         3         N096NQ
4     item2       693       731         JM89V5
5     item2       963       189         W7JBOL
6     item2       979         9         63KKZZ
7     ....        ...       ...         ... 
df2
>>>    grouping positions  metadata unique_column2
0     item1       118         5           4714
1     item1       241         1           1178
2     item1       431         8            235
3     item1       448         3             47
4     item1       455       731             54
5     item1       677       189             89
6     item2       740         9             12
df3
>>>    grouping positions  metadata unique_column3
0     item1       118         5              a
1     item1       148         1              a
2     item1       179         8              a
3     item1       188         3              a
4     item1       241       731              a
5     item1       431       189              a
6     item1       448         9              a

我想通过grouping和positions合并这三个数据范围，以便在df2中使用grouping = CC_7 = positions = CC_11的行与df3中的同一行合并。这些数据框之间有许多列，它们是相同的，不应复制。实际上，在df1中最终合并的数据帧中合并的唯一唯一列是unique_column1，而df2中的 unique_column2等。

。

一个只使用两个列作为指标，如何将三个数据范围的一列合并在一起？这似乎比pandas.merge()

要复杂一些

如果不存在TEM，则应为0。合并的表格应该像这样：

merged 
grouping    positions    metadata    unique_column1    unique_column2    unique_column3
item1       118          5           0                 4714              'a'
item1       148          1           'QLZX9J'          0                 'a'
item1       179          8           'L3FPRU'          0                 'a'
item1       188          3           '69TVKF'          0                 'a'
item1       241          731         0                 1178              'a'
.........

Answer 1

dfs = [df1, df2, df3]
jcols = ['grouping', 'positions']
ucols = ['unique_column1','unique_column2','unique_column3']
pd.concat([df.set_index(jcols)[df.columns.intersection(ucols)]
           for df in dfs],
          axis=1) 
  .reset_index() 
  .fillna(0)

结果：

   grouping  positions unique_column1  unique_column2 unique_column3
0     item1        118              0          4714.0              a
1     item1        148         QLZX9J             0.0              a
2     item1        179         L3FPRU             0.0              a
3     item1        188         69TVKF             0.0              a
4     item1        241              0          1178.0              a
5     item1        431              0           235.0              a
6     item1        448              0            47.0              a
7     item1        455              0            54.0              0
8     item1        677              0            89.0              0
9     item2        267         N096NQ             0.0              0
10    item2        693         JM89V5             0.0              0
11    item2        740              0            12.0              0
12    item2        963         W7JBOL             0.0              0
13    item2        979         63KKZZ             0.0              0