一对一，左，外部与熊猫(python)连接

Question

我正在尝试使用Python 2.7和Pandas将三张桌子加在一起。我的桌子看起来像下面的桌子：

Table 1
ID  |  test
1   |  ss
2   |  sb
3   |  sc
Table 2
ID  |  tested  |  value1  |  Value2  |  ID2
1   |  a       |  e       |  o       |  1
1   |  axe     |  ee      |  e       |  1
1   |  bce     |  io      |  p       |  3
2   |  bee     |  kd      |  …       |  2
2   |  bdd     |  a       |  fff     |  3
3   |  db      |  f       |  yiueie  |  2
Table 3
ID2  |  type
1    |  i
1    |  d
1    |  h
3    |  e
1    |  o
2    |  ou
2    |  oui
3    |  op

我正在使用的代码如下：

import pandas as pd
xl = pd.ExcelFile(r'C:UsersJoeDesktopProject1xlFilestest1.xlsx')
xl.sheet_names
df = xl.parse("Sheet1")
df.head()
xl2 = pd.ExcelFile(r'C:UsersJoeDesktopProject1xlFilestest2.xlsx')
xl2.sheet_names
df2 = xl2.parse("Sheet1")
df2.head()
xl3 = pd.ExcelFile(r'C:UsersJoeDesktopProject1xlFilestest3.xlsx')
xl3.sheet_names
df3 = xl3.parse("Sheet1")
df3.head()
df3 = df3.groupby('ID2')['type'].apply(','.join).reset_index()
s1 = pd.merge(df2, df3, how='left', on=['ID2'])

代码将表3加入表2我想要的表2。但是，我不知道如何将多列分组以将S1加入表1。我需要S1中每个列中的信息以添加到表1中，但是我只需要每个ID值（总计3行））。有人知道我会怎么做吗？

我的预期输出（参考）如下：

ID  |  test  |  type     |  tested     |  value1   |  ID2  
1   |  ss    |  i,d,h,o  |  a,axe,bce  |  e,ee,io  |  1,1,3
2   |  sb    |  ou,oui   |  bee,bdd    |  kd,a     |  2,3
3   |  sc    |  e,op     |  db         |  f        |  2

事先感谢您的帮助。

Answer 1

您可以将cumcount用于df2和df3中的ID2用于唯一pairs合并。然后groupby和汇总join。

上次使用join：

df2['g'] = df2.groupby('ID2').cumcount()
df3['g'] = df3.groupby('ID2').cumcount()
df23 = pd.merge(df2, df3, how='left', on=['g','ID2']).astype(str).groupby('ID').agg(','.join)
#for same dtype for match - int
df23.index = df23.index.astype(int)
print (df23)
       tested   value1   Value2    ID2      g   type
ID                                                  
1   a,axe,bce  e,ee,io    o,e,p  1,1,3  0,1,0  i,d,e
2     bee,bdd     kd,a  ...,fff    2,3    0,1  ou,op
3          db        f   yiueie      2      1    oui
df = df1.join(df23, on='ID')
#subset and desired order of output columns
cols = ['ID','test','type','tested','value1','ID2']
df = df[cols]
print (df)
   ID test   type     tested   value1    ID2
0   1   ss  i,d,e  a,axe,bce  e,ee,io  1,1,3
1   2   sb  ou,op    bee,bdd     kd,a    2,3
2   3  sci    oui         db        f      2