如何基于一个公共列但重复的值合并两个数据帧？

Question

我有两个列相同但数据不同的数据帧。一个是包含20000个条目的样本数据集，另一个是包含1093564个条目的控制数据集。我想从控制数据集中提取相同数量的记录，这些记录与示例数据集中的日志名称相同，但文章（标题）是唯一的。你知道吗

df1型：

journal title
foo abs
bar abc
baz ghj
foo jkl
baz mnj

df2型：

journal title
bar nko
foo cvb
foo yui
baz sdf 
bar hyt
foo kdm
baz bnd
baz lko
foo mnx
bar sdm
baz rty    

两个数据集中的日志名称相同，但标题是唯一的，在df1和df2中不同。我想要这样的结果：

journal title_x title_y
foo abs cvb
bar abc nko
baz ghj sdf
foo jkl kdm
baz mnj bnd

Answer 1

将^{}与left join一起使用，但首先需要创建计数器列，以便与df2['journal']中的删除连续重复值合并，并按不相等的移位值进行比较：

df1['g'] = df1.groupby('journal').cumcount()
df2 = df2[df2['journal'].ne(df2['journal'].shift())]
df2['g'] = df2.groupby('journal').cumcount()

df = df1.merge(df2, on=['journal','g'], how='left').drop('g', axis=1)
print (df)
  journal title_x title_y
0     foo     abs     cvb
1     bar     abc     nko
2     baz     ghj     sdf
3     foo     jkl     kdm
4     baz     mnj     bnd