如何迭代每一行并从一个 dataframe 的特定列中找到下一个匹配列值并将其与另一个 dataframe 进行比较？

Question

我有两个数据框：

DF1：A组

employee_id  |     key
100               101001
101               020208
102               101002
103               020208
104               020208
...               ...
300               010506

DF2：B组

employee_id  |    key
110              101001
111              020208
112              020105
113              020208
114              020208
...              ...
600              051007

比较两个数据框中每一行的key 。 对于每个匹配的员工，使用DF1.employee_id, DF1.key, DF2.employee_id创建一个新的 dataframe 并从 DF2 中删除匹配的人。

我想一次迭代 DF1 中的每个员工，并在 DF2 中找到一条行进记录，一旦匹配就删除 DF2 中的该记录。 您的目标是不要为 DF1 中的每个匹配员工提供来自 DF2 的重复匹配员工。 如何迭代这个过程？

clean = df_1.merge(df_2, on=['key'], how='left')

上面的脚本会给我重复的记录。 我希望新的 dataframe 看起来像这样：

新 Dataframe（样本）：

employee_id_df1  |    key      |  employee_id_df2
100                  101001         110
101                  020208         111
103                  020208         113
104                  020208         114

目标是进行一对一的比赛。

Answer 1

您可以尝试创建一个在合并中使用的临时列：

df1["tmp"] = df1.groupby("key").cumcount()
df2["tmp"] = df2.groupby("key").cumcount()

df_out = pd.merge(df1, df2, on=["key", "tmp"], how="inner")
df_out = df_out.rename(
    columns={"employee_id_x": "employee_id_df1", "employee_id_y": "employee_id_df2"}
).drop(columns="tmp")

print(df_out)

印刷：

   employee_id_df1     key  employee_id_df2
0              100  101001              110
1              101   20208              111
2              102   20105              112
3              103   20208              113
4              104   20208              114