如何基於公共列但值重復來合並兩個數據框？

Question

我有兩個具有相同列但數據不同的數據框。 一個是包含20,000個條目的樣本數據集，另一個是包含1,093,564個條目的控制數據集。 我想從控件數據集中提取相同數量的記錄，這些記錄的日志名稱與示例數據集中的日志名稱相同，但是唯一的article（title）。

DF1：

journal title
foo abs
bar abc
baz ghj
foo jkl
baz mnj

DF2：

journal title
bar nko
foo cvb
foo yui
baz sdf 
bar hyt
foo kdm
baz bnd
baz lko
foo mnx
bar sdm
baz rty    

兩個數據集中的日記名稱相同，但標題是唯一的，並且在df1中與df2不同。 我想要這樣的結果：

journal title_x title_y
foo abs cvb
bar abc nko
baz ghj sdf
foo jkl kdm
baz mnj bnd

Answer 1

將merge與左連接一起使用，但首先需要創建計數器列，以便與df2['journal']刪除連續重復的值進行合並，並使用不相等的移位值進行比較：

df1['g'] = df1.groupby('journal').cumcount()
df2 = df2[df2['journal'].ne(df2['journal'].shift())]
df2['g'] = df2.groupby('journal').cumcount()

df = df1.merge(df2, on=['journal','g'], how='left').drop('g', axis=1)
print (df)
  journal title_x title_y
0     foo     abs     cvb
1     bar     abc     nko
2     baz     ghj     sdf
3     foo     jkl     kdm
4     baz     mnj     bnd