聯盟的兩只熊貓DataFrames

Question

假設我有兩個數據框：

DF1：

  A
0 a
1 b

DF2：

  A
0 a
1 c

我想要的結果是兩幀的聯合與表示該行屬於源數據幀一個額外的列 。 如果有重復項，應刪除重復項，相應的額外列應顯示兩個來源：

  A  B
0 a  df1, df2
1 b  df1
2 c  df2

我可以得到連接數據框（df3）沒有重復，如下所示：

import pandas as pd
df3=pd.concat([df1,df2],ignore_index=True).drop_duplicates().reset_index(drop=True)

我想不出/找到一種方法可以控制哪個元素去哪里。 如何添加額外的列？

非常感謝您的任何提示。

Answer 1

合並indicator參數，並重新映射結果：

m = {'left_only': 'df1', 'right_only': 'df2', 'both': 'df1, df2'}

result = df1.merge(df2, on=['A'], how='outer', indicator='B')
result['B'] = result['B'].map(m)

result
   A         B
0  a  df1, df2
1  b       df1
2  c       df2

Answer 2

使用以下命令：

df3 = pd.concat([df1.assign(source='df1'), df2.assign(source='df2')]) \
    .groupby('A') \
    .aggregate(list) \
    .reset_index()

結果將是：

   A      source
0  a  [df1, df2]
1  b       [df1]
2  c       [df2]

assign將向您的數據幀添加名為source的列，其值為df1和df2 。 groupby命令將具有相同A值的行分組到單行。 aggregate命令描述如何為具有相同A每組行聚合其他列（ source ）。 我使用了list aggregate函數，因此source列是具有相同A的值列表。

Answer 3

我們使用外連接來解決這個問題 -

df1 = pd.DataFrame({'A':['a','b']})
df2 = pd.DataFrame({'A':['a','c']})
df1['col1']='df1'
df2['col2']='df2'
df=pd.merge(df1, df2, on=['A'], how="outer").fillna('')
df['B']=df['col1']+','+df['col2']
df['B'] = df['B'].str.strip(',')
df=df[['A','B']]
df

   A        B
0  a  df1,df2
1  b      df1
2  c      df2