逐行比较两个不同长度的数据帧,并为每一行添加具有相等值的列

时间:2015-10-06 14:42:47

标签: python pandas compare dataframe

我在python pandas中有两个不同长度的数据帧,如下所示:

df1:                                 df2:

      Column1  Column2 Column3            ColumnA ColumnB 
    0    1       a       r              0    1       a
    1    2       b       u              1    1       d
    2    3       c       k              2    1       e
    3    4       d       j              3    2       r
    4    5       e       f              4    2       w
                                        5    3       y 
                                        6    3       h

我现在要做的是比较df1的Column1和df2的ColumnA。对于每个" hit",其中df2中ColumnA中的行与df1中Column1中的行具有相同的值,我想要将一列添加到df1,其中df2的列B对于其中的行"打"找到了,所以我的结果看起来像这样:

df1:

   Column1  Column2  Column3  Column4 Column5  Column6
0     1        a        r        a       d        e
1     2        b        u        r       w
2     3        c        k        y       h
3     4        d        j
4     5        e        f

到目前为止我尝试的是:

for row in df1, df2:
   if df1[Column1] == df2[ColumnA]:
      print 'yey!'

这给了我一个错误,说我无法比较两个不同长度的数据帧。所以我试过了:

for row in df1, df2:
    if def2[def2['ColumnA'].isin(def1['column1'])]:
        print 'lalala' 
    else:
        print 'Nope'

哪个"工作"我得到一个输出,但我不认为它迭代行并比较它们,因为它只打印&#la; lalala'两次。所以我研究了一些,并找到了迭代数据帧每一行的方法,即:

for index, row in df1.iterrows():
    print row['Column1]

但我不知道如何使用它来比较两个数据帧的列并获得我想要的输出。

任何有关如何做到这一点的帮助都会非常感激。

1 个答案:

答案 0 :(得分:4)

我建议您使用DataFrame API,它允许在join, mergegroupby等方面使用DF。您可以在下面找到我的解决方案:

import pandas as pd

df1 = pd.DataFrame({'Column1': [1,2,3,4,5], 
    'Column2': ['a','b','c','d','e'], 
    'Column3': ['r','u','k','j','f']})

df2 = pd.DataFrame({'Column1': [1,1,1,2,2,3,3], 'ColumnB': ['a','d','e','r','w','y','h']})

dfs = pd.DataFrame({})
for name, group in df2.groupby('Column1'):
    buffer_df = pd.DataFrame({'Column1': group['Column1'][:1]})
    i = 0
    for index, value in group['ColumnB'].iteritems():
        i += 1
        string = 'Column_' + str(i)
        buffer_df[string] = value

    dfs = dfs.append(buffer_df)

result = pd.merge(df1, dfs, how='left', on='Column1')
print(result)

结果是:

   Column1 Column2 Column3 Column_0 Column_1 Column_2
0        1       a       r        a        d        e
1        2       b       u        r        w      NaN
2        3       c       k        y        h      NaN
3        4       d       j      NaN      NaN      NaN
4        5       e       f      NaN      NaN      NaN

P.S。更多细节:

1)对于df2我通过'Column1'生成。单个是一个数据框。示例如下:

   Column1 ColumnB
0        1       a
1        1       d
2        1       e

2)对于每个我生成数据框 buffer_df

   Column1 Column_0 Column_1 Column_2
0        1        a        d        e

3)之后我创建DF dfs

   Column1 Column_0 Column_1 Column_2
0        1        a        d        e
3        2        r        w      NaN
5        3        y        h      NaN

4)最后我为 df1 dfs 执行左连接,获得所需的结果。

2)* buffer_df 迭代生成:

step0 (buffer_df = pd.DataFrame({'Column1': group['Column1'][:1]})):
            Column1
         5       3

step1 (buffer_df['Column_0'] = group['ColumnB'][5]):      
            Column1 Column_0
         5       3       y

step2 (buffer_df['Column_1'] = group['ColumnB'][5]):      
            Column1 Column_0 Column_1
         5       3       y       h