Python pandas groupby 比较列表

Question

我有 2 个 csv 文件，其中包含我想要比较的成员列表。 结果，我希望有 1 个包含所有成员的列表，并指示他们出现在哪个列表中，我还想计算辍学率。 我想用 pandas 来做这件事。

第一个文件：

ID,LastName,FirstName,BirthDate
1,A,a,01/01/1901
2,B,b,01/01/1902
3,C,c,01/01/1903
4,D,d,01/01/1904

第二个文件：

ID,LastName,FirstName,BirthDate
1,A,a,01/01/1901
4,D,d,01/01/1904
5,E,e,01/01/1905
6,F,f,01/01/1906

结果：

ID,LastName,FirstName,BirthDate,Old,New
1,A,a,01/01/1901,Yes,Yes
2,B,b,01/01/1902,Yes,No
3,C,c,01/01/1903,Yes,No
4,D,d,01/01/1904,Yes,Yes
5,E,e,01/01/1905,No,Yes
6,F,f,01/01/1906,No,Yes

计算 DropOut：不在第二个文件中的成员/两个文件中的总成员

Answer 1

在df1中填写“旧”列，在df2中填写“新”列：

df1["Old"]="Yes"
df2["New"]="Yes"

然后：

pd.merge(
    df1.reset_index(),
    df2.reset_index(),
    how="outer"
).fillna("No").set_index("ID")

output：

ID  LastName    FirstName   BirthDate   Old New
1   A   a   01/01/1901  Yes Yes
2   B   b   01/01/1902  Yes No
3   C   c   01/01/1903  Yes No
4   D   d   01/01/1904  Yes Yes
5   E   e   01/01/1905  No  Yes
6   F   f   01/01/1906  No  Yes

要读取 csv 文件，只需使用pd.read_csv("csv_path.csv") ，而要导出，您可以使用pd.DataFrame object 的to_csv方法（例如，您可以执行pd.merge(...).to_csv("output_csv_path.csv") )。

有关其他详细信息，请参阅 pandas 文档。