如何根据两个数据框中两列或三列之间的条件创建新的 boolean 列？

Question

我有两个不同大小的数据帧df1和df2 。 我正在尝试检查df1中的值是否存在于df2的列中，并在df1的新列中返回True或False 。

第一个dataframe是我的参考。 它是从 xls 文件中提取的。

df1.head(10)
Out[29]: 
    PO Number  Sales Document           SO           DO  Document Number
0  3620556930    9001724124.0 4001458660.0 8001721322.0       1500017748
1  3620556930    9001723883.0 4001458865.0 8001721037.0       1500017540
2  3620556930    9001723884.0 4001459374.0 8001721038.0       1500017541
3  3620556930    9001723885.0 4001458101.0 8001721043.0       1500017542
4  3620547728    9001721907.0 4001457180.0 8001719172.0       1500015786
5  3620556930    9001721908.0 4001457724.0 8001719173.0       1500015787
6    TT030720             nan          nan          nan        700001897
7  3620518726    9600008914.0 5600008655.0 5600008655.0       1500008725
8  3620518726    9600008912.0 5600008653.0 5600008653.0       1500008723
9  3620518726    9600008913.0 5600008654.0 5600008654.0       1500008724

第二个 dataframe 来自我从网站上抓取的表格。

df2.head(10)
Out[32]: 
        PO No         Doc Type  SUS Doc No                    GR_GA   Inv_SO_DO  Doc Date
0  3620556930   Purchase Order  8001294233                      CSL              27.08.2020
1  3620556930    Goods Receipt  7903307400           Goods Received  4001457724  04.09.2020
2  3620556930    Goods Receipt  7903307457           Goods Accepted  4001457724  04.09.2020
3  3620556930  Payment Request  3102053949              CCM Invoice  9001721908  23.09.2020
4  3620556930    Goods Receipt  7903333326           Goods Received  4001458660  29.09.2020
5  3620556930    Goods Receipt  7903333325           Goods Received  4001458101  29.09.2020
6  3620556930    Goods Receipt  7903333322           Goods Received  4001458865  29.09.2020
7  3620556930    Goods Receipt  7903333327           Goods Accepted  4001458660  29.09.2020
8  3620556930    Goods Receipt  7903333324           Goods Received  4001458660  29.09.2020
9  3620556930    Goods Receipt  7903333329           Goods Accepted  4001458865  29.09.2020

我获得 output 的思路如下：

1. 我将在df1中创建另外三个列，命名为df1['GR', 'GA', 'Inv'] 。
2. 我将使用df1['SO']和df1['DO']中的值来检查它们是否存在于df2['Inv_SO_DO']中。
3. 如果这些值存在，我将检查df2['GR_GA']是收货单、收货单还是发票。 然后，我将根据此检查在df1['GR', 'GA', 'Inv']列中返回True或False 。

我已经尝试了一个for循环，如下所示，用于创建要为['GA']添加的值列表，但它只给了我一个 Falses 列表。

ga = []
t1 = x.iloc[:,2].values
t2 = y.iloc[:,4].values
t3 = y.iloc[:,3].values
for i in t1:
    for j in t2:
        for k in t3:
            if i == j and k == 'Goods Receipt':
                ga.append('True') 
                
            else:
                ga.append('False')

我最接近解决方案的是这里的另一个问题。 我尝试了代码并对其进行了修改，但结果也不正确。 要么，要么我正在错误地执行链接中的代码。

任何建议都将受到欢迎！

Output 需要：

df1.head(4)
Out[43]: 
    PO Number  Sales Document           SO           DO  Document Number     GR     GA    Inv
0  3620556930    9001724124.0 4001458660.0 8001721322.0       1500017748   True   True   True
1  3620556930    9001723883.0 4001458865.0 8001721037.0       1500017540   True  False  False
2  3620556930    9001723884.0 4001459374.0 8001721038.0       1500017541  False  False  False
3  3620556930    9001723885.0 4001458101.0 8001721043.0       1500017542   True   True  False

Answer 1

您可以执行此操作的一种方法如下：

1. 将DO或SO （从左起）上的df1和df2合并到Inv_SO_DO （从右起）。 请注意，在您的情况下，每个SO值对应于df2中的多行，因此您可能需要稍微修改合并逻辑（例如df2中最新出现的行？）
2. 使用pd.get_dummies() “虚拟化” GR_GA列，然后在将虚拟对象转换为boolean类型后，将其与合并 df 中所需的列连接起来。

例如：

m = pd.concat([df1.merge(df2, left_on='SO', right_on='Inv_SO_DO', how='inner'),
               df1.merge(df2, left_on='DO', right_on='Inv_SO_DO', how='inner')
              ])

desired_cols = ["PO_Number", "Sales_Document", "SO", "DO", "Document_Number", "CSL", "GoodsAccepted", "GoodsReceived"]
pd.concat([m, pd.get_dummies(m['GR_GA']).astype(bool)], axis=1)[desired_cols]

结果如下：

    PO_Number   Sales_Document  SO          DO          Document_Number CSL GoodsAccepted   GoodsReceived   CCMInvoice
0   3620556930  9001724124      4001458660  8001721322  1500017748      False   False           True            False
1   3620556930  9001724124      4001458660  8001721322  1500017748      False   True            False           False
2   3620556930  9001724124      4001458660  8001721322  1500017748      False   False           True            False
3   3620556930  9001723883      4001458865  8001721037  1500017540      False   False           True            False

再次注意，因为您提供的示例df1中的每个SO和DO都可以匹配df2中的多于 1 行，所以您可能需要添加一些关于如何合并的自定义逻辑。