向数据框添加新列

Question

我尝试做一些在熊猫中应该非常简单的事情，但它似乎没有。我有两个大型数据框

df1有243列，包括：

   ID2  K.   C  type
1  123  1.   2.   T
2  132  3.   1.   N
3  111  2.   1.   U

df2有121列，包括：

   ID3  A    B   
1  123  0.   3.   
2  111  2.   3.   
3  132  1.   2. 

df2包含有关相同ID（ID2 = ID3）的不同信息，但顺序不同

我想在df2中创建一个名为（type）的新列，并匹配df1中的type列。如果它与df1中的ID相同，则应从df1复制相同类型（T，N或U）。换句话说，我需要它看起来像以下数据框，但with all 121 columns from df2+type

ID3   A    B  type
123  0.   3.   T
111  2.   3.   U
132  1.   2.   N

我试过

pd.merge和pd.join。

我也试过

df2['type'] = df1['ID2'].map(df2.set_index('ID3')['type'])

但他们都没有工作。 它显示了KeyError：＆＃39; ID3＆＃39;

Answer 1

据我所知，你的最后一个命令几乎是正确的。试试这个：

df2['type'] = df2['ID3'].map(df1.set_index('ID2')['type'])

Answer 2

join

df2.join(df1.set_index('ID2')['type'], on='ID3')

   ID3    A    B type
1  123  0.0  3.0    T
2  111  2.0  3.0    U
3  132  1.0  2.0    N

merge（取1）

df2.merge(df1[['ID2', 'type']].rename(columns={'ID2': 'ID3'}))

   ID3    A    B type
0  123  0.0  3.0    T
1  111  2.0  3.0    U
2  132  1.0  2.0    N

merge（取2）

df2.merge(df1[['ID2', 'type']], left_on='ID3', right_on='ID2').drop('ID2', 1)

   ID3    A    B type
0  123  0.0  3.0    T
1  111  2.0  3.0    U
2  132  1.0  2.0    N

map和assign

df2.assign(type=df2.ID3.map(dict(zip(df1.ID2, df1['type']))))

   ID3    A    B type
0  123  0.0  3.0    T
1  111  2.0  3.0    U
2  132  1.0  2.0    N