Pandas DataFrame按ORDER ID与ASIN匹配映射Original Invoice ID 重复值逐行对应

样例数据 #

第一个DataFrame结构如下：

df1 = pd.DataFrame({'Original Invoice ID' : ['IN-11','IN-12','IN-13','IN-14','IN-15','IN-16'],
                    'ORDER ID' : ['123','123','123','456','996','864'],
                    'ASIN' : ['ABC','ABC','ABD','KSF','HKS','AJK']})

第二个DataFrame结构如下：

df2 = pd.DataFrame({'Invoice ID' : ['IN-C-45','IN-C-46','IN-C-47','IN-C-48'],
                    'ORDER ID' : ['123','123','456','864'],
                     'ASIN' : ['ABC','ABC','KSF','AJK']})

需求说明 #

基于ORDER ID和ASIN两个字段的匹配规则，为df2填充来自df1的Original Invoice ID字段值。
特殊规则：当df1中存在ORDER ID与ASIN均相同的重复记录时，需按照行顺序逐行对应映射，避免重复取值。

实现思路 #

• 对df1和df2分别按ORDER ID、ASIN字段分组，为每个分组内的行生成从0开始的递增序号group_seq，标记同一组合下的行顺序
• 以ORDER ID、ASIN、group_seq三个字段作为关联键，将df2与df1进行左连接，即可实现同组合下按行顺序逐一匹配，避免重复取值
• 最后删除辅助生成的group_seq字段即可得到最终结果

实现代码 #

import pandas as pd

# 给df1生成组内序号
df1['group_seq'] = df1.groupby(['ORDER ID', 'ASIN']).cumcount()
# 给df2生成组内序号
df2['group_seq'] = df2.groupby(['ORDER ID', 'ASIN']).cumcount()

# 多键左关联匹配
result = df2.merge(
    df1[['ORDER ID', 'ASIN', 'group_seq', 'Original Invoice ID']],
    on=['ORDER ID', 'ASIN', 'group_seq'],
    how='left'
)

# 删除辅助列
result = result.drop('group_seq', axis=1)

输出结果 #

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