我是Pandas的新手，并試圖將有關(guān)神經(jīng)網(wǎng)絡(luò)問題的訓(xùn)練數(shù)據(jù)匯總在一起。本質(zhì)上，我有2個(gè)DataFrame：一個(gè) DataFrame 有一個(gè)用于 primary_key 的列和用于 3 個(gè)不同位置的 3 列（運(yùn)動(dòng)位置，對(duì)于本示例，如果您愿意，假設(shè)為一壘、二壘、三壘）。每個(gè)位置都有該位置的玩家的玩家 ID。在第二個(gè)DataFrame上，我有每個(gè)球員的各種統(tǒng)計(jì)數(shù)據(jù)，例如身高和體重。我的最終目標(biāo)是將第二個(gè)DataFrame中的列添加到第一個(gè)DataFrame中，以便每個(gè)位置具有與特定玩家相關(guān)的身高和體重（以列表示）。然后，我要將這個(gè) DataFrame 導(dǎo)出為 csv，按特定順序排列列，并將其用于我的訓(xùn)練數(shù)據(jù)，其中每一列是一個(gè)訓(xùn)練特征，每一行是一個(gè)訓(xùn)練集。我已經(jīng)找到了一個(gè)解決方案，但我想知道我是否以最有效的方式來做，充分利用 Pandas 的功能和特性。這是我的代碼的樣子： ****編輯：我應(yīng)該指出，這只是我的代碼外觀的簡化。實(shí)際上，我的 DataFrame 是從 CSV 中提取的，而不是從我自己創(chuàng)建的字典中構(gòu)建的。****import pandas as pd  dict_1 = {'primary_key' : ['a', 'b', 'c', 'd'],          'position_1_ID' : ['ida', 'idb', 'idc', 'idd'],          'position_2_ID' : ['ide', 'idb', 'idg', 'idd'],          'position_3_ID' : ['idg', 'idf', 'idc', 'idh']}dict_2 = {'position_ID' : ['ida', 'idb', 'idc', 'idd', 'ide', 'idf', 'idg', 'idh'],          'Height' : ['70', '71', '72', '73', '74', '75', '76', '77'],          'Weight' : ['200', '201', '202', '203', '204', '205', '206', '207']}positions = pd.DataFrame(dict_1)players = pd.DataFrame(dict_2)position_columns = ['position_1_ID', 'position_2_ID', 'position_3_ID']carry = positionsprevious = Nonefor p in position_columns:    merged = carry.merge(right = players, left_on = p, right_on = 'position_ID', suffixes = [previous, p] )    carry = merged    previous = pcarry.to_csv()運(yùn)行此代碼后，我有一個(gè)包含以下列的 DataFrame：'首要的關(guān)鍵''位置_1_ID'“ position_2_ID”'position_3_ID''position_IDposition_1_ID''position_IDposition_2_ID''position_IDposition_3_ID''高度位置_1_ID''權(quán)重位置_1_ID''高度位置_2_ID''重量位置_2_ID''Heightposition_3_ID''Weightposition_3_ID'這并不漂亮，但這使我能夠最終導(dǎo)出具有特定列順序的 csv，并且生成 DataFrame 不會(huì)花費(fèi)太長時(shí)間。話雖這么說，我正在做這個(gè)項(xiàng)目的一部分是為了學(xué)習(xí)熊貓。我想看看是否有更清潔的方法可以做到這一點(diǎn)。