如何合并含重复值的DataFrame？其中一个DataFrame指定列值固定出现4次

嘿，这个场景我之前碰到过，核心思路是给每个重复的分组添加组内序号，让原本重复的A列值能和对应的行精准匹配，具体操作步骤如下：

步骤1：给两个DataFrame添加组内计数列 #

我们用groupby().cumcount()来生成每个A值在组内的出现序号（从0开始递增），这样每个(A, count)组合就能唯一标识一行：

# 给df添加组内计数
df['count'] = df.groupby('A').cumcount()

# 给df_key添加组内计数
df_key['count'] = df_key.groupby('A').cumcount()

cumcount()的作用是对每个分组内的行进行连续计数，比如foo在df里的4行，会被标记为0、1、2、3；df_key里的foo两行会被标记为0、1，刚好能对应上。

步骤2：基于A和count列执行合并 #

用pd.merge()同时以A和count作为连接键，选择how='left'来保留df里的所有行（即使df_key里没有对应序号的行，会自动填充NaN）：

merged_df = pd.merge(df, df_key, on=['A', 'count'], how='left')

完整示例演示 #

我把你给出的示例数据完善后，跑一遍完整流程：

import pandas as pd

# 构造你的原始df
df = pd.DataFrame([['foo'], ['foo'], ['foo'], ['foo'], ['bar'], ['bar'], ['bar'], ['bar']], columns=['A'])

# 构造修正后的df_key（修正了原示例里的['...']，改成合理的行）
df_key = pd.DataFrame([['foo', 1, 2], ['foo', 3, 4], ['bar', 5, 9], ['bar', 2, 4], ['bar', 7, 8]], columns=['A', 'B', 'C'])

# 添加组内计数列
df['count'] = df.groupby('A').cumcount()
df_key['count'] = df_key.groupby('A').cumcount()

# 执行合并
merged_df = pd.merge(df, df_key, on=['A', 'count'], how='left')

print(merged_df)

输出结果： #

A  count    B    C
0  foo      0  1.0  2.0
1  foo      1  3.0  4.0
2  foo      2  NaN  NaN
3  foo      3  NaN  NaN
4  bar      0  5.0  9.0
5  bar      1  2.0  4.0
6  bar      2  7.0  8.0
7  bar      3  NaN  NaN

结果说明 #

• 对于foo：df里有4行，df_key里只有2行，所以后两行合并后填充NaN
• 对于bar：df里有4行，df_key里有3行，最后一行填充NaN
• 如果df_key里某个A值的出现次数超过4次，合并时只会匹配前4次（因为df里只有4行），不会额外增加行数

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