我有两个数据框：
DF ONE：
ID A B C
1 x y z
1 x y z
2 x y z
2 x y z
2 x y z
3 x y z
DF 2：
ID D E F
1 a b c1
2 a b c2
3 a b c3
我想以EDF TWO为例，如果ID相同，则将其放在DF ONE上，因此在得到以下输出后：
ID A B C F
1 x y z c1
1 x y z c1
2 x y z c2
2 x y z c2
2 x y z c2
3 x y z c3
谢谢您的帮助
您可以使用map通过dict：
d = df2.set_index('ID')['F'].to_dict()
print (d)
{1: 'c1', 2: 'c2', 3: 'c3'}
df1['F'] = df1['ID'].map(d)
print (df1)
ID A B C F
0 1 x y z c1
1 1 x y z c1
2 2 x y z c2
3 2 x y z c2
4 2 x y z c2
5 3 x y z c3
另一种解决方案是map通过Series：
s = df2.set_index('ID')['F']
print (s)
ID
1 c1
2 c2
3 c3
Name: F, dtype: object
df1['F'] = df1['ID'].map(s)
print (df1)
ID A B C F
0 1 x y z c1
1 1 x y z c1
2 2 x y z c2
3 2 x y z c2
4 2 x y z c2
5 3 x y z c3
时间：
#[60000 rows x 5 columns]
df1 = pd.concat([df1]*10000).reset_index(drop=True)
In [115]: %timeit pd.merge(df1, df2[['ID', 'F']],how='left')
100 loops, best of 3: 11.1 ms per loop
In [116]: %timeit df1['ID'].map(df2.set_index('ID')['F'])
100 loops, best of 3: 3.18 ms per loop
In [117]: %timeit df1['ID'].map(df2.set_index('ID')['F'].to_dict())
100 loops, best of 3: 3.36 ms per loop
In [118]: %timeit df1['ID'].map({k:v for k, v in df2[['ID', 'F']].as_matrix()})
100 loops, best of 3: 3.44 ms per loop
In [119]: %%timeit
...: df2.index = df2['ID']
...: df1['F1'] = df1['ID'].map(df2['F'])
...:
100 loops, best of 3: 3.33 ms per loop
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句