Question

我有两个数据框如下：

import pandas as pd
raw_data = {
        'employee_id': ['4444', '5555', '6666','7777','8888'],
        'first_name': ['aa', 'Jason', 'Tina', 'Jake', 'Amy'],
        'last_name': ['Miller', 'Millers', 'Ali', 'Milner', 'Cooze'],
        'age': [42, 42, 36, 24, 73],
}
df1 = pd.DataFrame(raw_data, columns = ['employee_id','first_name', 'last_name', 'age'])


raw_data1 = {'employee_id': ['4444', '5555', '6666','7777'],
    'ip': ['192.168.1.101', '192.168.1.102','192.168.1.103','192.168.1.104'], 

}

df2 = pd.DataFrame(raw_data1, columns = ['employee_id', 'ip'])

我必须在df1中搜索（比较）df2['employee_id']，如果值相同，请将df2['ip']添加到df1中：

print df2['ip'].where(df2['employee_id']==df1['employee_id'])

但这不是正确的方法：

ValueError: Can only compare identically-labeled Series objects

对此问题的任何建议都将不胜感激。

Answer 1

使用merge

In [1286]: df1.merge(df2, on='employee_id')
Out[1286]:
  employee_id first_name last_name  age             ip
0        4444         aa    Miller   42  192.168.1.101
1        5555      Jason   Millers   42  192.168.1.102
2        6666       Tina       Ali   36  192.168.1.103
3        7777       Jake    Milner   24  192.168.1.104

Answer 2

这是一个更新的答案，因为有人用我认为更好的解决方案删除了帖子。

on = "employee_id"
df3 = df1.set_index(on).join(df2.set_index(on)).fillna("IP missing")
df3["ip"].to_dict()

employee_id first_name  last_name   age ip          
4444        aa          Miller      42  192.168.1.101
5555        Jason       Millers     42  192.168.1.102
6666        Tina        Ali         36  192.168.1.103
7777        Jake        Milner      24  192.168.1.104
8888        Amy         Cooze       73  IP missing

{'4444': '192.168.1.101',
'5555': '192.168.1.102',
'6666': '192.168.1.103',
'7777': '192.168.1.104',
'8888': 'IP missing'}

上一个回答：

pd.merge(df1,df2,on="employee_id")

https://pandas.pydata.org/pandas-docs/stable/merging.html#database-style-dataframe-joining-merging

pd.merge（左，右，怎么样=＆＃39;内部＆＃39;，on =无，left_on =无， right_on =无， left_index = False，right_index = False，sort = True，后缀=（＆＃39; _x＆＃39;，＆＃39; _y＆＃39;），copy = True，指示符= False）

给出

    employee_id first_name  last_name   age ip
0   4444    aa      Miller  42  192.168.1.101
1   5555    Jason   Millers 42  192.168.1.102
2   6666    Tina    Ali 36  192.168.1.103
3   7777    Jake    Milner  24  192.168.1.104

你可能想要这样的东西：

pd.merge(df1,df2,on="employee_id").set_index("employee_id")["ip"].to_dict()

{'4444': '192.168.1.101',
 '5555': '192.168.1.102',
 '6666': '192.168.1.103',
 '7777': '192.168.1.104'}

在Pandas DataFrame中搜索

2 个答案: