[英]Matching column values from two different dataframes and pairing observations
所以我不知道该怎么做,看了半天我还没有找到我的解决方案。
我的数据看起来像这样
import pandas as pd
df1 = pd.DataFrame(
[['132','233','472','098'], ['482','214','980',''], ['107','','',''],
['571','498','',''],], columns=["p1", "p2", "p3", "p4"])
df2 = pd.DataFrame(['532','233','980','132', '298'], columns=["p"])
df1
p1 p2 p3
0 132 233 472
1 482 214 980
2 107
3 571 498
df2
p
0 532
1 233
2 980
3 132
4 298
我希望将 p 列中的值与 p{1-3} 列中的任何一个值匹配,并创建一个包含匹配字符串的新列。
所以在这种情况下,我想要的 output 是
df_output
p1 p2 p3 matched_p
0 132 233 472 233
1 482 214 980 980
2 107
3 571 498
我尝试了以下
filter1 = df1['p1'].isin(df2['p'])
filter2 = df1['p2'].isin(df2['p'])
filter3 = df1['p3'].isin(df2['p'])
df1['matched_p'] = df2['p'][filter1 | filter2 | filter3]
但是,这给了我毫无意义的结果。
关于如何解决这个问题的任何想法?
你可以试试这个。 在轴 1 上使用带有df.max
的df.isin
和df.where
。
df1 = df1.replace('',np.nan).astype(float) # to convert everything to float.
df2 = df2.astype(float) #to convert everything to float.
m = df1.isin(df2['p'].to_numpy())
df1['matched_values'] = df1.where(m,0).max(1)
df1
p1 p2 p3 p4 matched_values
0 132.0 233.0 472.0 98.0 233.0
1 482.0 214.0 980.0 NaN 980.0
2 107.0 NaN NaN NaN NaN
3 571.0 498.0 NaN NaN NaN
如果您不想将 dtypes 转换为float
。
灵感来自@Erfan 的解决方案。 我结合了我们的方法。
df1['matched'] = (df1.where(
df1.isin(df2['p'].to_numpy()),'').
add(',').sum(1).str.strip(','))
我们可以在这里使用stack
和unstack
以及isin
和一些字符串操作。 这也将考虑多个匹配项:
d1 = df1.stack()
d1 = d1.where(d1.isin(df2['p'])).unstack().fillna('')
d1 = d1.add(',').sum(axis=1).str.strip(',')
df1['matched_p'] = d1
p1 p2 p3 p4 matched_p
0 132 233 472 098 132,233
1 482 214 980 980
2 107
3 571 498
set1 = set(df2['p'])
df1['p'] = df1.apply(lambda x: {x['p1'], x['p2'], x['p3'], x['p4']}.intersection(set1), axis=1)
df1['p'] = df1['p'].map(lambda x: x.pop() if x else '')
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.