[英]Pandas: merge dataframes without creating new columns inside a for operation
[英]Pandas: merge dataframes without creating new columns
我有兩個相同列的數據幀:
df1 = pd.DataFrame([['Abe','1','True'],['Ben','2','True'],['Charlie','3','True']], columns=['Name','Number','Other'])
df2 = pd.DataFrame([['Derek','4','False'],['Ben','5','False'],['Erik','6','False']], columns=['Name','Number','Other'])
給出:
Name Number Other
0 Abe 1 True
1 Ben 2 True
2 Charlie 3 True
和
Name Number Other
0 Derek 4 False
1 Ben 5 False
2 Erik 6 False
我想要一個輸出數據幀,它是基於“名稱”的兩者的交集:
output_df =
Name Number Other
0 Ben 2 True
1 Ben 5 False
我嘗試過基本的pandas合並,但返回是不可取的:
pd.merge(df1,df2,how='inner',on='Name') =
Name Number_x Other_x Number_y Other_y
0 Ben 2 True 5 False
這些數據幀非常大,所以我更喜歡使用一些熊貓魔法來保持快速。
您可以使用concat
,然后通過過濾isin
與numpy.intersect1d
使用boolean indexing
:
val = np.intersect1d(df1.Name, df2.Name)
print (val)
['Ben']
df = pd.concat([df1,df2], ignore_index=True)
print (df[df.Name.isin(val)])
Name Number Other
1 Ben 2 True
4 Ben 5 False
val
另一種可能的解決方案是集合的intersection
:
val = set(df1.Name).intersection(set(df2.Name))
print (val)
{'Ben'}
然后可能重置索引到單調:
df = pd.concat([df1,df2])
print (df[df.Name.isin(val)].reset_index(drop=True))
Name Number Other
0 Ben 2 True
1 Ben 5 False
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.