合并两个具有附加条件的数据框

Question

我有两个数据框，需要按照以下步骤进行合并：

DF1

Name Type Speed  
a x  1  
a y  0  
a z  1

DF2

Type Fast Slow  
x 2 3  
y 3 5  
z 4 6

Df3-期望的结果

Name Type Speed Time  
a x 1 2  
a y 0 5  
a z 1 4

因此，基本上我需要创建一个新的'Time'列，根据'Speed'列和对象'Type'显示'Fast'或'Slow'列中的时间。 我真的不知道该怎么做，所以任何帮助将不胜感激！ 提前致谢。 抱歉造成混乱的解释。

Answer 1

使用merge + np.where获得更简洁的解决方案：

v = df1.merge(df2, on=['Type'])
v['Time'] = np.where(v['Speed'], v.pop('Fast'), v.pop('Slow'))

  Name Type  Speed  Time
0    a    x      1     2
1    a    y      0     5
2    a    z      1     4

Answer 2

首先使用melt进行重塑，然后使用map正确的匹配Speed ，最后使用左连接进行merge ：

df = df2.melt('Type', var_name='Speed', value_name='Time')
df['Speed'] = df['Speed'].map({'Fast':1, 'Slow':0})
print (df)
  Type  Speed  Time
0    x      1     2
1    y      1     3
2    z      1     4
3    x      0     3
4    y      0     5
5    z      0     6

df3 = df1.merge(df, how='left', on=['Type','Speed'])
print (df3)
  Name Type  Speed  Time
0    a    x      1     2
1    a    y      0     5
2    a    z      1     4

如果性能很重要，则不需要merge -由set_index使用numpy.where创建的Series map 。其中numpy.where df1['Speed']为0和1 ，诸如False和True的过程也是如此：

s1 = df2.set_index('Type')['Fast']
s2 = df2.set_index('Type')['Slow']

df1['Time'] = np.where(df1['Speed'], df1['Type'].map(s1), df1['Type'].map(s2))
print (df1)
  Name Type  Speed  Time
0    a    x      1     2
1    a    y      0     5
2    a    z      1     4