pandas：用於合並多列的循環

Question

我有兩個要合並的數據框。 第一個數據集有代理 ID 和多個列，其中包含分配給每個代理的技能。

df1:

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

第二個 dataframe 具有按座席和技能拆分的呼叫量信息。

df2:

邏輯。	技能	通話量
1000。	500。	150。
1000。	7008。	54.
1000。	1655.	70.
1001。	2590。	30.
1001。	3846.	240。
1001。	3847.	120.
1002。	500	230。
1002。	2226。	45.

我正在嘗試使用 for 循環向每個座席和技能分配添加呼叫量，df 有 120 列，以創建具有技能分配和呼叫量的新 df：

DF3：

登錄ID	技能作業 1	通話音量 1	技能作業 2	呼叫音量 2
1000。	500	150。	7008。	54.
1001。	2590。	30.	3846.	240。
1002。	500。	230。	2226。	45.

我正在嘗試合並這兩個數據集並在每次添加時重命名呼叫量列：

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)

當代碼運行時，它只保留 120 列。 有沒有辦法保留每一列或更適當的方法來為每項技能添加呼叫量？

Answer 1

假設 '.' df1 和 df2 中出現的字符不存在，

我認為您正在尋找的是這些方面的東西，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 是您正在尋找的關系。 如果需要進一步分組，可以使用pivot：

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

---