如何基于列值合并Pandas DataFrame生成目标数据集？

我来一步步帮你搞定这个合并需求，核心思路是先把df2的长格式数据转成宽格式，再和df1做匹配合并，具体操作如下：

1. 先处理df2：将长格式转为宽格式 #

df2里的x是布尔类型标记，我们需要把对应的y值拆分成y_x（x为True时的y）和y_notx（x为False时的y）两列。用pandas的pivot方法就能轻松实现：

# 先把df2的索引转成列，命名为'b'，方便后续和df1匹配
df2_reset = df2.reset_index(names='b')
# 按'b'分组，把'x'的布尔值作为列名，对应填充'y'的值
df2_pivot = df2_reset.pivot(index='b', columns='x', values='y').rename(columns={True: 'y_x', False: 'y_notx'})

处理后的df2_pivot结构如下：

2. 和df1合并得到目标df3 #

接下来只需要把处理后的df2_pivot和df1按b列做左合并，这样能保留df1里所有的b值，没有匹配到的数据会显示NaN：

df3 = df1.merge(df2_pivot, on='b', how='left')

完整可运行代码 #

把所有步骤整合起来，完整代码示例如下：

import pandas as pd

# 构造你提供的示例数据
df1 = pd.DataFrame({'b': [3,4,7,8,10]}, index=[1,2,3,4,5])
df2 = pd.DataFrame({'x': [True, False, True, True, False], 'y': [5.4,6.9,9.8,7.8,5.6]}, index=[3,3,4,7,8])

# 处理df2为宽格式
df2_reset = df2.reset_index(names='b')
df2_pivot = df2_reset.pivot(index='b', columns='x', values='y').rename(columns={True: 'y_x', False: 'y_notx'})

# 合并得到df3
df3 = df1.merge(df2_pivot, on='b', how='left')

print(df3)

运行后输出的df3就是你想要的结构：

补充小贴士 #

• 如果df2里同一个b+x组合存在多个重复值，直接用pivot会报错，这时候可以换成pivot_table并指定聚合函数（比如取平均值）：

df2_pivot = df2_reset.pivot_table(index='b', columns='x', values='y', aggfunc='mean').rename(columns={True: 'y_x', False: 'y_notx'})

• 选择how='left'是为了确保df1里的所有行都被保留，如果你只需要保留两边都匹配的行，换成how='inner'即可。

内容的提问来源于stack exchange，提问作者peternator