菜鸟又来求助 pandas 了

用正则算出 ansers 里面的 ip ，找 df2 中所有相同的 ip ，手动拼一下，组一行

不如先 explode 拆开，join 完了再按需要合并回去

没用过 pandas ，不过横向合并跟 SQL 的 join 差不多，也是用一个或多个关联列进行关联的。
你这个感觉得搞虚拟列，把 answers 列的内容替换成 IP 列那样的格式，这步用 gpt 应该是可以找到答案的。然后就是 pandas 的更想合并了，这个 gpt 也可以搞定。
不要指望着一次就搞定这两步的需求。而且这些东西通过百度谷歌也可以搜到答案的，不用依赖 gpt 。
第一步的思路应该是得用 Python 里的正则库，第二步就是用 pandas 的 merge 了

import pandas as pd
import re
import pandas as pd

pd.set_option('display.max_columns', None)
pd.set_option('display.max_rows', None)
pd.set_option('max_colwidth',100)

df1=pd.DataFrame({'id':[1,2],
'regions':['广东','上海'],
'isp':['电信','电信'],
'answers':['xxx.xxx.com.\nxxx.xxx.xxx.com.\n1.1.1.1 中国深圳电信\n2.2.2.2 中国深圳电信\n',
'xxx.xxx.com.\nxxx.xxx.xxx.com.\n3.3.3.3 中国上海电信\n4.4.4.4 中国上海电信\n']})

df2=pd.DataFrame({'Age':[13,0,20,25],
'ip':['1.1.1.1',
'2.2.2.2',
'3.3.3.3',
'4.4.4.4'],
'status_code':[200,403,200,200]})
for column in df2.columns:
df2[column]=df2[column].apply(str)

def ip_extract(input_string):
ip_pattern = r'\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}'
ip_addresses = re.findall(ip_pattern, input_string)
return '\n'.join(ip_addresses)
df1_new = df1.copy()
df1_new['ip'] = df1_new['answers'].apply(ip_extract)

df_ip = df1_new['ip'].str.split('\n',expand=True).stack().reset_index(level=1,drop=True).to_frame(name='ip')

df_merge = df1_new.drop(['ip'],axis=1).join(df_ip).merge(df2,on=['ip'])

def concat_func(x):
return pd.Series({column:'\n'.join(x[column]) for column in df2.columns})
df_group = df_merge.groupby(['answers']).apply(concat_func).reset_index()

df = df1.merge(df_group,on=['answers'])
print(df)

https://stackoverflow.com/questions/39291499/how-to-concatenate-multiple-column-values-into-a-single-column-in-pandas-datafra
分两步： 第一步 把 answers 行加到第二个上 正则 match ，第二步骤，根据 answer 行 group 操作。

@Rommy 不多说了 我直接在网线这这头给大佬磕一个 多谢大佬

@ohayoo 哈哈哈

@ohayoo 你要是说自己能解决这个问题，但是方案感觉不够优雅，想上来问问最通用或者更便捷的方案我能理解，但是如果这种问题的最差的解决方案都没有，太奇怪了，为什么会有人喜欢帮别人做作业，他是 gpt 吗？

@cy1027 嗯嗯，我就是那种喜欢饭喂到嘴边的傻逼，遇到需求自己不思考，不尝试，就喜欢当个传话筒要答案，可以不？

@cy1027 问个问题还要瞻前顾后，纠结是否优雅，这是学习该有的态度吗？另外，我就是太久没用 pandas ，看着有点兴致，试着写了下，写完分享一下。你如果是说我哪里写的不好，太粗糙，那我接受，但我觉得我的行为没啥可指摘的。最后，gpt 的实现依赖的是人与人之间的交流对话文本，这背后都是一个个特别基础的问题与回答，有啥可傲慢的？

试着写了一个好懂一些的：

*（ V 站排版会吃掉行首空格，所以替换成了全角空格。若要使用，注意替换）*

```python
import re
import pandas as pd

df1 = pd.DataFrame({
　　'id': [1, 2],
　　'isp': ['电信', '电信'],
　　'regions': ['广东', '上海'],
　　'answers': [
　　　　'xxx.xxx.com.\nxxx.xxx.xxx.com.\n1.1.1.1 中国深圳电信\n2.2.2.2 中国深圳电信\n',
　　　　'xxx.xxx.com.\nxxx.xxx.xxx.com.\n3.3.3.3 中国上海电信\n4.4.4.4 中国上海电信\n',
　　],
})

df2 = pd.DataFrame({
　　'Age': [13, 0, 20, 25],
　　'ip': [
　　　　'1.1.1.1',
　　　　'2.2.2.2',
　　　　'3.3.3.3',
　　　　'4.4.4.4',
　　],
　　'status_code': [200, 403, 200, 200],
})

df_ip = (
　　 df1
　　.set_index('id')['answers'].str
　　.extractall(r'^(?P<ip>[^\s]+)', flags=re.M)
　　.reset_index(level='id')
　　.set_index('ip')
)

df_result = (
　　 df2
　　.merge(df_ip, how='left', on='ip')
　　.groupby('id')
　　.agg({
　　　　'ip': '\n'.join,
　　　　'Age': lambda s: '\n'.join(s.astype('string')),
　　　　'status_code': lambda s: '\n'.join(s.astype('string')),
　　})
　　.merge(df1, how='left', on='id')[[
　　　　'answers',
　　　　'ip',
　　　　'Age',
　　　　'status_code',
　　]]
)
```

@Rommy 我理解不了你，也不奢求你理解我

用 pandas 原生的方法似乎没有解决方案，还是得按行遍历，效率不会高

@wxf666 多谢大佬，学习下大佬这种方式

@Drahcir #13 pandas 用的不多，可以评估下 11 楼的效率吗？

@wxf666 老哥， 我的，忘了回复，后面测试了 你这种效率高些