使用对应于同一名称的多个变体的唯一ID来统一pandas数据框中的名称的最有效方法

Question

我正在对一个 DataFrame 进行一些数据分析，该 DataFrame 包含一些具有唯一 id 的列和一些具有某些名称的列，其中每个唯一 id 对应一个名称，“尽管相同的 id 可以对应于相同的一些变体”名称，并且名称/ID 的顺序可以更改。例如：

左1_idright1_id左2_idright2_id左1_姓名right1_nameleft2_nameright2_name01020304约翰·多伊简·多伊迈克·史密斯安娜·史密斯01020304约翰·A·多伊简·多伊迈克·史密斯安娜·B·史密斯03040102迈克·D·史密斯安娜·史密斯约翰·多伊简·C·多伊04030102安娜·B·史密斯迈克·D·史密斯约翰·C·多伊简·C·多伊

我想知道使用唯一 id 标准化名称的最有效方法是什么。我不在乎选择哪个版本的名称（可以更长、更短、第一个出现，无论如何，只要每列中的 ID 始终相同）。理想输出的一个例子是：

左1_idright1_id左2_idright2_id左1_姓名right1_nameleft2_nameright2_name01020304约翰·多伊简·多伊迈克·史密斯安娜·史密斯01020304约翰·多伊简·多伊迈克·史密斯安娜·史密斯03040102迈克·史密斯安娜·史密斯约翰·多伊简·多伊04030102安娜·史密斯迈克·史密斯约翰·多伊简·多伊

由于某些 ids/name 没有出现在某些列中，我想我应该迭代 id/name 的每个列对（left1_id 与 left1_name，right1_id 与 right1_name 等），使用 id 创建一个字典作为键，名称作为值，然后将所有字典连接在一起，然后将每个组合映射回每个名称列。但我认为应该有更有效的东西。

提前谢谢您，

Answer 1

代码

cols = df.columns[df.columns.str.contains('name')]
tmp = df.filter(like='id')
m = (pd.concat([tmp.melt(), df[cols].melt(value_name='val2')], axis=1)
       .drop_duplicates('value').set_index('value')['val2']
)
df[cols] = tmp.replace(m).values

df：