如何在Python中找出两个DataFrame中涉及美国歌手最多的版本

要找出涉及美国歌手数量最多的版本，我们需要先处理多值歌手ID、关联国籍数据，再按版本统计去重后的美国歌手数量，具体操作如下：

1. 拆分music中的多歌手ID #

music表的歌手ID存在单个值和元组两种格式，先将所有歌手ID拆分为每行一个ID的结构：

import pandas as pd

# 统一将歌手ID转为元组格式，再拆分展开
music_expanded = music.assign(歌手ID=music['歌手ID'].apply(lambda x: x if isinstance(x, tuple) else (x,))).explode('歌手ID')
# 转换为整数类型，方便后续关联
music_expanded['歌手ID'] = music_expanded['歌手ID'].astype(int)

2. 关联singer表筛选美国歌手 #

将拆分后的music_expanded与singer表通过歌手ID关联，只保留美国歌手的记录：

# 筛选美国歌手数据并关联
us_singers_in_music = pd.merge(music_expanded, singer[singer['国籍'] == 'USA'], on='歌手ID')

3. 按版本统计去重后的美国歌手数量 #

对每个版本，统计出现的不同美国歌手数量（去重避免同一歌手多次统计）：

# 按版本分组，统计唯一歌手ID的数量
us_singer_count_by_version = us_singers_in_music.groupby('版本')['歌手ID'].nunique().sort_values(ascending=False)

# 输出结果
print(us_singer_count_by_version)

结果说明 #

根据你提供的样本数据，运行代码后会得到：

• 版本1：涉及3位美国歌手（ID1、4、5）
• 版本2：涉及2位美国歌手（ID5、6）
• 版本3：涉及3位美国歌手（ID4、5、9）

因此版本1和版本3涉及的美国歌手数量最多，均为3位。

内容的提问来源于stack exchange，提问作者user19965401