我有两个大型pandas数据帧(包含数百万行),包含两列,一个组标识符和一个id。我正在尝试创建一个包含group,id的组合数据帧,如果id在第一个数据帧中,则加上一个列为1,如果id在第二个数据帧中,则为0和列为1,否则为a 0。
换句话说,我正在尝试合并两个数据帧,并根据每个原始数据帧的id是否存在来创建条件列。关于如何解决这个问题的任何建议?
这是一个小例子:
import pandas as pd
>>> df_a = pd.DataFrame({'group': list('AAABBB'), 'id': [11,12,13,21,22,23]})
>>> df_b = pd.DataFrame({'group': list('AAABB'), 'id': [11,13,14,22,24]})
>>> df_a
group id
A 11
A 12
A 13
B 21
B 22
B 23
>>> df_b
group id
A 11
A 13
A 14
B 22
B 24
输出应如下所示:
>>> df_full
group id a b
A 11 1 1
A 12 1 0
A 13 1 1
A 14 0 1
B 21 1 0
B 22 1 1
B 23 1 0
B 24 0 1
答案 0 :(得分:3)
您可以为每个数据框创建两列,其中一列在合并之前,并在合并后将na填充为零:
df_a['a'] = 1
df_b['b'] = 1
pd.merge(df_a, df_b, how = 'outer', on = ['group', 'id']).fillna(0)
# group id a b
# 0 A 11.0 1.0 1.0
# 1 A 12.0 1.0 0.0
# 2 A 13.0 1.0 1.0
# 3 B 21.0 1.0 0.0
# 4 B 22.0 1.0 1.0
# 5 B 23.0 1.0 0.0
# 6 A 14.0 0.0 1.0
# 7 B 24.0 0.0 1.0