python - 向 Pandas DataFrame 添加一个新列，并使用来自单独 DataFrame 的编码数据而不使用循环？

Question

我遇到的问题是，我有一个大型数据框(约 300,000 行)，每个主题有多个行，代表不同条件下的给定值。简化版本如下所示:

In [12]: df1
Out[12]:
   SubID  Condition  Value
0      1          1  0.123
1      1          2  0.234
2      2          1  0.345
3      2          2  0.456
4      3          1  0.567
5      3          2  0.678
6      4          1  0.789

我还有第二个表，只有 80 奇数行，其中包含受试者所属的遗传组。

我希望将该数据添加到第一个 DataFrame 中。简化版的编码表如下所示:

In [17]: df2
Out[17]:
   Subject Number Genetic Group
0               1             A
1               2             C
2               3             A
3               4             B

我想要的最终结果是:

In [19]: df1
Out[19]:
   SubID  Condition  Value Genetic Group
0      1          1  0.123             A
1      1          2  0.234             A
2      2          1  0.345             C
3      2          2  0.456             C
4      3          1  0.567             A
5      3          2  0.678             A
6      4          1  0.789             B

我可以使用 for: 循环，但想知道是否有一种使用 Pandas DataFrame 合并或连接操作的方法可以避免这种情况？非常感谢，

Answer 1

您可以通过 SubID 进行索引，然后使用 join 来获取您想要的内容:

df1.set_index("SubID", inplace=True)
df2.set_index("Subject Number", inplace=True)
df3 = df1.join(df2, how="left")

或者，您可以使用合并来完成而不需要索引:

df3 = df1.merge(df2, left_on="SubID", right_on="Subject Number", how="left")