如何批量将按team拆分的多个pandas dataframe与另一表执行merge合并

推荐方案（性能更优） #

没有特殊提前拆分需求的话，优先先做全量合并再按team拆分，仅需要执行1次合并操作，数据量越大性能优势越明显：

# 全量df先合并df2的字段
merged_full = df.merge(df2, on=['employee', 'workplace'])
# 再按team拆分得到所有合并后的分组dataframe
merged_grouper = [g[1] for g in merged_full.groupby('team')]

适配已有分组的方案 #

如果你已经完成了提前拆分，需要直接对已有grouper做批量合并，用列表推导式遍历即可：

merged_grouper = [group.merge(df2, on=['employee', 'workplace']) for group in grouper]

如果需要按team名快速索引对应的合并结果，可以存为字典格式：

merged_team_map = {team: group.merge(df2, on=['employee', 'workplace']) for team, group in df.groupby('team')}
# 后续取team为a的合并结果直接调用 merged_team_map['a'] 即可

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