如何从Pandas中现有的两个数据帧中创建一个新的数据框架？

Question

我有两个数据帧df_att_transposed和df_1。df_1有管理程序和名称列。第二个数据框架，df_att_transposed对所有的名字都有考勤。我的第一个dataframe构造函数df_1是-

{'Sup': {0: 'Sup-1', 1: 'Sup-1', 2: 'Sup-1', 3: 'Sup-1', 4: 'Sup-2',....},'Name': {0: 'Name-1', 1: 'Name-2', 2: 'Name-3'...}}

我的第二个数据帧构造函数df_att_transposed是-

{0: {0: Timestamp('2022-01-31 00:00:00'), 1: Timestamp('2022-02-01 00:00:00'), 2: Timestamp('2022-02-02 00:00:00'),...} 1: {0: 'P', 1: 'P', 2: 'P', 3: 'P', 4: 'P'...}}

在我的新数据框架中，我将添加来自df_att_transposed的相关人员的日期(第0列)和出勤栏。在df_1中，我每次取一行，其中包含for循环每次迭代中的名称和监控器，并将其添加到数据帧中的所有行中。我就是这么做新数据的-

rows = df_1.shape[0]
for i in range(rows):     
    new_df = df_att_transposed.iloc[:,[0,i+1]].copy()
    new_df['Sup'] = df_1.iloc[i]['Sup']
    new_df['Name'] = df_1.iloc[i]['Name']

上面的代码添加了数据，但它只保留了new_df中最后一次迭代中的数据。对于每一次迭代，以前的数据都会被替换。如何在新的数据框架中将来自所有迭代的数据保持在一起？

编辑：(I)输出应该是这样的-

Sup     Name       0       1 
Sup-1   Name-1  28/3/2022  P
Sup-1   Name-1  27/3/2022  P
Sup-1   Name-1  26/3/2022  P
.....
Sup-2   Name-2  28/3/2022  P
Sup-2   Name-2  27/3/2022  P
Sup-2   Name-2  26/3/2022  P
......

我编写的代码从df_1中取一个名称/行，从df_att_transposed中取两列，用new_df写数据。然后在下一次迭代中，从df_1中取出另一行，从df_att_transposed中再取两列，然后覆盖以前存储在new_df中的数据。我希望在每次迭代中追加数据，而不是替换数据。

(ii) df_att_transposed看起来像这样(比如说5名雇员)-

       0     1 2 3 4 5 
0  28/3/2022 P P P P P 
1  27/3/2022 P P P P P 
2  26/3/2022 P P P P P 
....

Answer 1

你在找交叉合并吗？

new_df = df_1.merge(df_att_transposed, how='cross')
print(new_df)

# Output
      Sup    Name          0  1
0   Sup-1  Name-1 2022-01-31  P
1   Sup-1  Name-1 2022-02-01  P
2   Sup-1  Name-1 2022-02-02  P
3   Sup-1  Name-2 2022-01-31  P
4   Sup-1  Name-2 2022-02-01  P
5   Sup-1  Name-2 2022-02-02  P
6   Sup-1  Name-3 2022-01-31  P
7   Sup-1  Name-3 2022-02-01  P
8   Sup-1  Name-3 2022-02-02  P
9   Sup-2  Name-4 2022-01-31  P
10  Sup-2  Name-4 2022-02-01  P
11  Sup-2  Name-4 2022-02-02  P
12  Sup-2  Name-5 2022-01-31  P
13  Sup-2  Name-5 2022-02-01  P
14  Sup-2  Name-5 2022-02-02  P

设置

>>> df_1
     Sup    Name
0  Sup-1  Name-1
1  Sup-1  Name-2
2  Sup-1  Name-3
3  Sup-2  Name-4
4  Sup-2  Name-5

>>> df_att_transposed
           0  1
0 2022-01-31  P
1 2022-02-01  P
2 2022-02-02  P