如何在Python/R中合并键列形式不同的两个关联数据集？

数据集说明 #

数据集a #

数据集b #

目标数据集c #

R语言实现方案 #

你提出的思路需要微调，直接pivot_wider后无法直接与数据集a匹配，正确的做法是拆分数据集b后分别关联：

library(tidyverse)

# 拆分数据集b为午餐、晚餐两个子数据集，并重命名列
lunch_data <- b %>%
  filter(variable == "have lunch") %>%
  rename("have lunch" = variable_value, "have lunch value" = value) %>%
  select(-variable)

dinner_data <- b %>%
  filter(variable == "have dinner") %>%
  rename("have dinner" = variable_value, "have dinner value" = value) %>%
  select(-variable)

# 依次与数据集a合并，得到目标结果
result_c <- a %>%
  left_join(lunch_data, by = "have lunch") %>%
  left_join(dinner_data, by = "have dinner")

Python语言实现方案 #

使用pandas库可以轻松实现，以下是两种可行方式：

方式一：拆分后逐个合并（直观清晰） #

import pandas as pd

# 拆分数据集b为午餐、晚餐子数据集，调整列名
lunch_df = b[b['variable'] == 'have lunch'].rename(
    columns={'variable_value': 'have lunch', 'value': 'have lunch value'}
).drop(columns='variable')

dinner_df = b[b['variable'] == 'have dinner'].rename(
    columns={'variable_value': 'have dinner', 'value': 'have dinner value'}
).drop(columns='variable')

# 逐步合并得到结果
result_c = pd.merge(a, lunch_df, on='have lunch', how='left')
result_c = pd.merge(result_c, dinner_df, on='have dinner', how='left')

方式二：通用化合并（适用于变量较多的场景） #

import pandas as pd

# 将数据集b转换为宽格式，自动生成带"value"后缀的列名
b_wide = b.pivot(
    index='variable_value',
    columns='variable',
    values='value'
).reset_index().rename(columns=lambda x: f"{x} value" if x != 'variable_value' else x)

# 循环完成所有变量的合并
result_c = a.copy()
for col in a.columns:
    temp_df = b_wide[['variable_value', f"{col} value"]].rename(columns={'variable_value': col})
    result_c = pd.merge(result_c, temp_df, on=col, how='left')

内容的提问来源于stack exchange，提问作者doraemon