Pandas：将列值复制到第二个数据帧中的行改写

如何解决Pandas：将列值复制到第二个数据帧中的行改写

重新表述一下，抱歉之前有点不清楚。

考虑这个数据：

import pandas as pd

d = {
    "id": [1,1,2,3,3],"col_to_fill": [0,0]
}

df = pd.DataFrame(d)

df

    id  col_to_fill
0   1   0
1   1   0
2   1   0
3   1   0
4   1   0
5   2   0
6   2   0
7   2   0
8   2   0
9   2   0
10  3   0
11  3   0
12  3   0
13  3   0
14  3   0  



d1 = {
    "id": [1,"val1": [23,23,0],"val2": [42,44,9],"val3": [12,8,55],"val4": [2,88,21],"val5": [53,33]
}

df2 = pd.DataFrame(d1)

df2

   id   val1    val2    val3    val4    val5
    1   23      42      12      2       53
    2   23      44      8       88      2
    3   0       9       55      21      33
    4   0       9       55      21      33

..............

在 df 中，我的行的 ID 为每个唯一 ID 重复了 N 次（在这种情况下 N=5，但希望它在实际用例中为 21，或者任何可能的情况下工作）。

在 df2 中，我在第 1 列中具有相同的唯一 ID，以及一些列值（val1、val2 等）

目标：

• 我希望每个仪器的 df 中的每一行都有 val1、val2、val3、val4、val5。

对于 ID 1 和 2：

id  col_to_fill
1   23
1   42
1   12
1   2
1   53
2   23
2   44
2   8
2   88
2   2

等等 ......

这行不通：

df2.melt(id_vars=['id'])

因为那样

id  variable
1   val1
1   val1
1   val1
1   val1
1   val1
2   val2
2   val2
2   val2
2   val2
2   val2

我需要：

id  variable
1   val1
1   val2
1   val3
1   val4
1   val5
2   val1
2   val2
2   val3
2   val4
2   val5

（当然除了实际值，但我想要那些变量的值）

解决方法

将 DataFrame.set_index 与 DataFrame.stack 一起使用：

df2 = df2.set_index('id').stack().rename_axis(['id','new']).reset_index().drop(0,axis=1)
print (df2)
    id   new
0    1  val1
1    1  val2
2    1  val3
3    1  val4
4    1  val5
5    2  val1
6    2  val2
7    2  val3
8    2  val4
9    2  val5
10   3  val1
11   3  val2
12   3  val3
13   3  val4
14   3  val5

然后如果需要添加到另一个具有不同大小的 DataFrame 可能使用 GroupBy.cumcount 和 DataFrame.merge 技巧：

d = {
    "id": [1,1,2,3,3],"col_to_fill": [0,0]
}

df = pd.DataFrame(d)

df['g'] = df.groupby('id').cumcount()
df2['g'] = df2.groupby('id').cumcount()

df = df.merge(df2,on=['id','g'])
print (df)
    id  col_to_fill  g   new
0    1            0  0  val1
1    1            0  1  val2
2    1            0  2  val3
3    1            0  3  val4
4    2            0  0  val1
5    2            0  1  val2
6    2            0  2  val3
7    2            0  3  val4
8    3            0  0  val1
9    3            0  1  val2
10   3            0  2  val3