python - Pandas 在非唯一值上自连接

Question

我有下表:

       ind_ID  pair_ID orig_data
0           A        1         W 
1           B        1         X
2           C        2         Y
3           D        2         Z
4           A        3         W          
5           C        3         X          
6           B        4         Y          
7           D        4         Z          

每一行都有一个 individual_ID 和一个与其他行共享的 pair_ID。我想要进行自连接，以便每一行都有其原始数据，并且与它共享 pair_ID 的行的数据:

       ind_ID  pair_ID orig_data partner_data
0           A        1         W            X
1           B        1         X            W
2           C        2         Y            Z
3           D        2         Z            Y
4           A        3         W            X
5           C        3         X            W
6           B        4         Y            Z
7           D        4         Z            Y

我已经尝试过:

df.join(df, on='pair_ID')

但显然，由于 pair_ID 值不是唯一的，我得到:

       ind_ID  pair_ID orig_data partner_data
0           A        1         W          NaN
1           B        1         X          NaN
2           C        2         Y          NaN
3           D        2         Z          NaN
4           A        3         W          NaN
5           C        3         X          NaN
6           B        4         Y          NaN
7           D        4         Z          NaN 

我还考虑过创建一个连接 ind_ID+pair_ID 的新列，该列将是唯一的，但连接将不知道要匹配什么。

是否可以在 pair_ID 上进行自连接，其中每行都与非自身的匹配行连接？

Answer 1

在您的情况下(只有两对) - 您可能可以根据 ID 进行分组和转换，然后反转组中值的顺序，例如:

df.loc[:, 'partner_data'] = df.groupby('pair_ID').orig_data.transform(lambda L: L[::-1])

这给你:

  ind_ID  pair_ID orig_data partner_ID
0      A        1         W          X
1      B        1         X          W
2      C        2         Y          Z
3      D        2         Z          Y
4      A        3         W          X
5      C        3         X          W
6      B        4         Y          Z
7      D        4         Z          Y