如何在 pandas 中依次检查数据帧的某些行是否在多个数据帧中匹配

Question

我有一个 dataframe 有以下数据

ID	打印体积
一个	100
b	200
c	250

假设上表代表图书馆中的书籍。 我们将依次检查一本书是否与它拥有的 3 个读者中的任何一个一起出现。 请注意，在这些情况下，列名都是不同的。

读者 1

姓名	体积
c	100
一个	120
c	250

读者 2

书	版本
一个	100
b	200
c	250

读者 3

书名	打印
p	100
b	200
n	250

预期 output

ID	打印体积	当下
一个	100	2
b	200	3
c	250	1

在这里，即使读者 1 和读者 2 拥有相同卷的图书 c，我们在当前列中标记 1，因为我们依次检查读者 1、2 和 3。 如果已经找到了一些东西，那么我们就不要再往前看了。

这就是我现在正在做的事情：

def check_for_book(library_df,reader_df,reader_id):
        subset_to_check=library_df[library_df['present']=='not_found']
        subset_to_check=pd.merge(subset_to_check,reader_df,on=<columns>,how='left',indicator='found')
        subset_to_check['present']=np.where(subset_to_check['found']=='both',reader_id, 'not_found')
        return(pd.concat([subset_to_check,library_df[library_df['present']!='not_found']))

library_df['present']='not_found'
library_df=check_for_book(library_df,reader_df1,'1')
library_df=check_for_book(library_df,reader_df2,'2')
library_df=check_for_book(library_df,reader_df2,'2')

我无法找出错误，我得到的结果不一致。 有没有更好的方法以更好的方式连接这些数据框？

谢谢

Answer 1

如果你想逐行顺序检查，那么你可以使用：

result = []
for n in test.values:
    for i,j,k  in zip(df1.values, df2.values, df3.values):
        if (n == i).all():
            result.append([n[0],n[1],1])
            break
        elif (n == j).all():
            result.append([n[0],n[1],2])
            break
        elif (n == k).all():
            result.append([n[0],n[1],3])
            break
        
final_df = pd.DataFrame(result)

NOTE ：假设第一个 df 名称是test和 rest 3 - df1 , df2 , df3 。

Answer 2

让我们尝试一下：

import pandas as pd

df = pd.DataFrame({
    'id': {0: 'A', 1: 'b', 2: 'c'}, 'print_volume': {0: 100, 1: 200, 2: 250}
})

reader1 = pd.DataFrame({
    'name': {0: 'c', 1: 'A', 2: 'c'}, 'volume': {0: 100, 1: 120, 2: 250}
})
reader2 = pd.DataFrame({
    'book': {0: 'A', 1: 'b', 2: 'c'}, 'vers': {0: 100, 1: 220, 2: 250}
})
reader3 = pd.DataFrame({
    'book_name': {0: 'p', 1: 'b', 2: 'n'}, 'print': {0: 100, 1: 200, 2: 250}
})

readers = []
# Rename Columns so they are uniform with df
# Add indicator to each readers
for i, r_df in enumerate((reader1, reader2, reader3)):
    r_df.columns = df.columns
    r_df['present'] = i + 1
    readers.append(r_df)

# Create Readers
readers = pd.concat(readers, axis=0).drop_duplicates(df.columns, keep='first')
# Merge DF and Readers Together
new_df = df.merge(readers, on=df.columns.tolist(), how='left')
print(new_df)

new_df ：

  id  print_volume  present
0  A           100        2
1  b           200        3
2  c           250        1

---

向每个阅读器添加一个指示符，以便可以识别 DataFrame，然后连接在一起并删除重复项，因此只保留第一个 dataframe：

readers ：

  id  print_volume  present
0  c           100        1
1  A           120        1
2  c           250        1
0  A           100        2
1  b           220        2
0  p           100        3
1  b           200        3
2  n           250        3