比较具有不同格式列值的两个数据框

Question

我有两个数据框

df1：

户口号码	姓名	a/ctype
11.22.21	亨利	检查
11.22.22	山姆	保存。
11.22.23	约翰	检查

df2:

户口号码	姓名	a/ctype
11-22-21	亨利	检查
11-22-23	约翰	检查
11-22-24	丽塔	检查

输出：df3：

A/cNO_df1	A/cNO_df2	结果。	名称_df1	名称_df2	结果	a/ctype_df1	a/ctype_df2	结果。
11.22.21	11-22-21	匹配	亨利	亨利	匹配。	检查	检查	匹配。
11.22.22		Notindf2	山姆。		Notindf2	检查		Notindf2
11.22.23	11-22-23	匹配	约翰。	约翰	匹配。	检查	检查	匹配。
.	11-22-24	Notindf1	.	丽塔	Notindf1		检查	Notindf2

我尝试删除帐户的非数字字符以使用以下方法比较两个数据集： df1['AccountNo'] = df1.AccountNo.replace(regex=[r'\D+', value='') df2['AccountNo'] = df2.AccountNo.replace(正则表达式=[r'\D+', value='')

然后连接两个数据帧。 但是，当我删除字符时，我无法以相同的格式打印它，并且对于不在 df1 中的 ac 和不在 df2 中的 ac 我无法连接它。 我尝试使用 numpy where 来比较和连接。

有没有办法可以做到？

Answer 1

您可以与外部系列合并为键：

df1.merge(df2, left_on='AccountNo', right_on=df2['AccountNo'].str.replace('-', '.'),
          suffixes=('_df1', '_df2'), how='outer')

输出：

  AccountNo AccountNo_df1 name_df1 a/ctype_df1 AccountNo_df2 name_df2 a/ctype_df2
0  11.22.21      11.22.21    Henry    checking      11-22-21    Henry    checking
1  11.22.22      11.22.22      Sam      Saving           NaN      NaN         NaN
2  11.22.23      11.22.23     John    Checking      11-22-23     John    Checking
3  11.22.24           NaN      NaN         NaN      11-22-24     Rita    Checking