Question

我在python和pandas工作。

让我们假设我有一个像这样的数据框：（输入）：

    A   B   C
0   2   8   6
1   5   2   5
2   3   4   9
3   5   1   1

我想对其进行处理以最终获得一个新的数据框，该数据框看起来像（预期输出）：

    A   B   C
0   2   7   NaN
1   5   1   1
2   3   3   NaN
3   5   0   NaN

要对此进行管理，请执行以下操作：

columns = ['A', 'B', 'C']
data_1 = [[2, 5, 3, 5], [8, 2, 4, 1], [6, 5, 9, 1]]
data_1 = np.array(data_1).T
df_1 = pd.DataFrame(data=data_1, columns=columns)

df_2 = df_1
df_2['B'] -= 1
df_2['C'] = np.nan

df_2现在看起来像这样：

    A   B   C
0   2   7   NaN
1   5   1   NaN
2   3   3   NaN
3   5   0   NaN

现在，我想使用列df_1和df_2作为键，在A和B之间进行匹配/合并。

我尝试过isin()来做到这一点：

df_temp = df_1[df_1[['A', 'B']].isin(df_2[['A', 'B']])]
df_2.iloc[df_temp.index] = df_temp

但是它给了我与以前相同的df_2，而没有分别匹配5 1 1，A和B的公共行C：

    A   B   C
0   2   7   NaN
1   5   1   NaN
2   3   3   NaN
3   5   0   NaN

如何正确执行此操作？

顺便说一句，要明确一点，匹配不应该像

一样进行

df1的第一行-df1的第一行
df1的第二行-df2的第二行
df1的第三行-df2的第三行
...

但这必须通过以下方式完成：

df1的任意行-df2的任意行

基于指定的列作为键。

我认为这就是上面代码中的isin()无效的原因，因为它以以前的方式进行了过滤/匹配。

另一方面，.merge()可以用后一种方式进行匹配，但是它并不能按照我想要的方式保留行的顺序，而且很难解决。

最后，请记住，对于我的实际数据框，将仅使用2列（例如15列）作为匹配的键，因此最好为较大的数据框提供简洁的内容。

PS

请在下面查看我的答案。

Answer 1

某人（我不记得他的用户名）建议以下内容（我认为有效），然后他出于某种原因删除了他的帖子（??！）：

df_2=df_2.set_index(['A','B'])

temp = df_1.set_index(['A','B'])

df_2.update(temp)

df_2.reset_index(inplace=True)

Answer 2

这是我在apply中使用lambda函数的建议。应该可以轻松扩展到更多列进行比较（只需相应地调整cols_to_compare即可）。顺便说一句，在生成df_2时，请确保复制df_1，否则df_2中的更改也将继承到df_1。因此，首先生成数据：

columns = ['A', 'B', 'C']
data_1 = [[2, 5, 3, 5], [8, 2, 4, 1], [6, 5, 9, 1]]
data_1 = np.array(data_1).T
df_1 = pd.DataFrame(data=data_1, columns=columns)

df_2 = df_1.copy()  # Be sure to create a copy here
df_2['B'] -= 1
df_2['C'] = np.nan

现在我们“扫描” df_1以查找感兴趣的行：

cols_to_compare = ['A', 'B']
df_2['C'] = df_2.apply(lambda x: 1 if any((df_1.loc[:, cols_to_compare].values[:]==x[cols_to_compare].values).all(1)) else np.nan, axis=1)

所要做的是检查df_1的相关列中当前行中的值是否也与此类似。输出为：

   A  B    C
0  2  7  NaN
1  5  1  1.0
2  3  3  NaN
3  5  0  NaN

Answer 3

您可以使用两个for循环来完成此操作：

for row in df_2.iterrows():
    for row2 in df_1.iterrows():
        if [row[1]['A'],row[1]['B']] == [row2[1]['A'],row2[1]['B']]:
            df_2['C'].iloc[row[0]] = row2[1]['C']

Answer 4

只需修改您的下一行：

df_temp = df_1[df_1[['A', 'B']].isin(df_2[['A', 'B']])]

具有：

df_1[df_1['A'].isin(df_2['A']) & df_1['B'].isin(df_2['B'])]

效果很好！

匹配数据框之间的行并保留顺序

4 个答案: