Question

我想比较然后根据字符串中的公共序列将两个数据帧与字符串连接。

数据如下：

DATA1：

Kansas
Sacramento
Miami
Toronto

DATA2

Kansas_county
Sacramento_county
Miami_county
Vegas_county

期望的结果是：

col_data1            col_data2
Kansas               Kansas_county   
Sacramento           Sacramento_county
Miami                Miami_county
Toronto              N/A
N/A                  Vegas_county

问题是：

如何在两个源数据集中搜索公共字符串？
如何获取data1的内容，然后选择包含字符串的相应数据行2？
这些如何加入？

提前多多感谢。

Answer 1

您可以向第一个DataFrame添加新列，然后使用pandas.merge()：

>>> df1 = pd.DataFrame({'col':['Kansas', 'Sacramento', 'Miami', 'Toronto']})
>>> df2 = pd.DataFrame({'col':['Kansas_county', 'Sacramento_county', 'Miami_county', 'Vegas_county']})
>>>
>>> df1['county'] = df1['col'] + '_county'
>>>
>>> dfN = pd.merge(df1, df2, how='outer', left_on='county', right_on='col', suffixes=['_data1', '_data2'])
>>>
>>> del dfN['county']
>>> dfN
    col_data1          col_data2
0      Kansas      Kansas_county
1  Sacramento  Sacramento_county
2       Miami       Miami_county
3     Toronto                NaN
4         NaN       Vegas_county

Answer 2

基于Roman的答案，您可以定义一个函数来格式化您的一个数据列，例如

In [105]: df1 = pd.DataFrame({'col':['Kansas', 'Sacramento', 'Miami', 'Toronto']})
In [106]: df2 = pd.DataFrame({'col':['Kansas_county', 'Sacramento_county', 'Miami_county', 'Vegas_county']})

In [107]: def f(x,delm='_'):
     ...      return x.split(delm)[0]

In [108]: df2['map_index'] = df2.col.map(lambda x: f(x))
In [109]: df2
Out[109]: 
                 col   map_index
0      Kansas_county      Kansas
1  Sacramento_county  Sacramento
2       Miami_county       Miami
3       Vegas_county       Vegas

In [110]: dfN = pd.merge(df1, df2, how='outer', left_on='col', right_on='map_index')

In [111]: dfN
Out[111]: 
        col_x              col_y   map_index
0      Kansas      Kansas_county      Kansas
1  Sacramento  Sacramento_county  Sacramento
2       Miami       Miami_county       Miami
3     Toronto                NaN         NaN
4         NaN       Vegas_county       Vegas

这与Roman概述的基本相同，但是为您提供了更通用的格式化功能（通过您想要放在函数中的任何内容，包括正则表达式解析等）。

使用字符串比较和连接两个不同的数据框？

2 个答案: