Pandas新DataFrame中为合并的Name与Customer唯一值列匹配对应Value值

解决方案 #

你可以先构造Name到Value的唯一映射字典，再通过映射给新数据集的Value列赋值，具体操作如下：

步骤1：构造Name-Value映射字典 #

利用原数据中同一个Name对应Value唯一的特性，提取去重后的映射关系：

name_value_map = file.drop_duplicates(subset='Name').set_index('Name')['Value'].to_dict()

步骤2：为新DataFrame的Value列赋值 #

使用pandas的map方法匹配映射关系，不属于Name的客户名会自动返回空值，如果你需要显示空字符串而非NaN，可以追加fillna处理：

# 保留NaN空值写法
df['Value'] = df['All'].map(name_value_map)

# 改为空字符串写法，更符合你给出的预期输出
df['Value'] = df['All'].map(name_value_map).fillna('')

更简洁的完整实现方案（可选） #

你也可以跳过手动拼接列表的步骤，直接通过表拼接实现需求，代码可读性更高：

# 提取所有Name对应的Value数据
name_df = file[['Name', 'Value']].drop_duplicates().rename(columns={'Name': 'All'})
# 提取所有Customer数据，Value默认设为空
customer_df = pd.DataFrame({'All': file['Customer'].unique(), 'Value': ''})
# 合并两个表并按出现顺序去重，得到最终结果
final_df = pd.concat([name_df, customer_df]).drop_duplicates(subset='All').reset_index(drop=True)

内容的提问来源于stack exchange，提问作者LdM