pandas：用于合并多列的循环

Question

我有两个要合并的数据框。 第一个数据集有代理 ID 和多个列，其中包含分配给每个代理的技能。

df1:

登录ID	技能作业 1	技能作业 2	技能作业 3
1000。	500	7008。	1655.
1001。	2590。	3846.	3847.
1002。	500。	2226。	.

第二个 dataframe 具有按座席和技能拆分的呼叫量信息。

df2:

逻辑。	技能	通话量
1000。	500。	150。
1000。	7008。	54.
1000。	1655.	70.
1001。	2590。	30.
1001。	3846.	240。
1001。	3847.	120.
1002。	500	230。
1002。	2226。	45.

我正在尝试使用 for 循环向每个座席和技能分配添加呼叫量，df 有 120 列，以创建具有技能分配和呼叫量的新 df：

DF3：

登录ID	技能作业 1	通话音量 1	技能作业 2	呼叫音量 2
1000。	500	150。	7008。	54.
1001。	2590。	30.	3846.	240。
1002。	500。	230。	2226。	45.

我正在尝试合并这两个数据集并在每次添加时重命名呼叫量列：

for i in number_list:
 df3 = pd.merge(df1, df2, how = 'left', left_on = [df1['Login ID'], df1['Skill Assignment ' +str(i)]], right_on = ['Logid', 'Skill'])
 df3.rename({'Call Volume' : 'Call Volume ' + str(i)}, axis = 1, inplace = True).drop(['Logid', 'Skill'], axis = 1)

当代码运行时，它只保留 120 列。 有没有办法保留每一列或更适当的方法来为每项技能添加呼叫量？

Answer 1

假设 '.' df1 和 df2 中出现的字符不存在，

我认为您正在寻找的是这些方面的东西，使用melt ：

df1_melt=pd.melt(df1,id_vars='Login ID', value_name='Skill', var_name='Skill Assignment')
df3=df2.merge(df1_melt, left_on=['Logid.','Skill'], right_on=['Login ID','Skill'], how='left').drop('Logid.', axis=1)

我相信 df3 是您正在寻找的关系。 如果需要进一步分组，可以使用pivot：

df_pivot=df3.pivot_table(index=['Login ID'], columns=['Skill'], values=['Call Volume','Skill Assignment'] )

---