Question

我有两个来自两个不同来源的pandas数据帧都包含构建地址，我想合并它们。我遇到的问题是地址在两组中的记录方式不完全相同。特别是街道的方向（＆＃39; N＆＃39; E＆＃39;，＆＃39; S＆＃39; W＆＃39; W＆＃39;）。

一组中的某些地址有方向而有些区域没有方向，所以如果我将方向用作合并列，则一些匹配的地址不会合并在一起（例如＆＃39; 123 Main St＆＃39; in one and＆＃ 39; 123 N Main St＆＃39;在另一个）。有些建筑物除了方向外都有相同的地址（例如＆＃39; 456 N Other Ave＆＃39;和456 S Other Ave＆＃39;）所以我不想完全忽略这个方向，但是我想将街道的方向用作辅助合并列，仅在存在重复地址时使用，否则将被忽略。有没有办法做到这一点？

我合并的两列是full_add和dir，分别有'123 Main St'和'N'等条目。

以下是一个例子：

df1 = pd.DataFrame({
    'full_add': ['123 Main St', '456 Other Ave', '456 Other Ave'],
    'dir': ['N', 'N', 'S'],
    'left_val': [100, 200, 300]
})

df2 = pd.DataFrame({
    'full_add': ['123 Main St', '456 Other Ave', '456 Other Ave'],
    'dir': [np.nan, 'N', 'S'],
    'right_val': [1000, 2000, 3000]
})

merged = pd.DataFrame({
    'full_add': ['123 Main St', '456 Other Ave', '456 Other Ave'],
    'dir': ['N', 'N', 'S'],
    'left_val': [100, 200, 300],
    'right_val': [1000, 2000, 3000]
})

Answer 1

这样做的一种方法就是加入＆＃34; full_add＆＃34;然后过滤掉那些你不想要的记录，比如不匹配的非匹配目录。

df_out = df1.merge(df2, on='full_add')

mask = ((df_out.dir_x.isnull()) | (df_out.dir_y.isnull()) | (df_out.dir_x == df_out.dir_y))

df_out[mask]

输出：

  dir_x       full_add  left_val dir_y  right_val
0     N    123 Main St       100   NaN       1000
1     N  456 Other Ave       200     N       2000
4     S  456 Other Ave       300     S       3000

Pandas在列上合并可选的辅助列

1 个答案: