檢查 dataframe 中的行值是否存在於另一個 dataframe 中，使用循環進行協調

Question

我希望開發一些通用邏輯，使我能夠在 2 個數據集之間執行協調。

我有 2 個數據框，我想遍歷 df1 中的每一行值並檢查它是否存在於 df2 中。 如果它確實存在，我想在 df1 中創建一個新列“匹配”，值為“是”，如果它不存在，我想 append 在單獨的 df 中缺失值，我將打印到 csv。

示例數據集：

df1：

ID   Name     Age
1    Adam     45  
2    Bill     44   
3    Claire   23  

df2:

ID   Name     Age
1    Adam     45 
2    Bill     44 
3    Claire   23
4    Bob      40
5    Chris    21

我在這里使用的 2 個數據框中的列名僅供參考。 但基本上我想檢查 df1 中的行 (1, Adam, 45) 是否存在於 df2 中。

df3 的 output 如下所示： df3:

ID   Name     Age
4    Bob      40  
5    Chris    21 

更新后的 df1 如下所示： df2:

ID   Name     Age  Match
1    Adam     45    Yes  
2    Bill     44    Yes  
3    Claire   23    Yes 

需要明確的是，我知道這可以使用合並或 isin 來完成，但希望有一個可用於任何數據集的流體解決方案。

我很感激這可能是一個很大的問題，因為我沒有提供太多指導，但任何幫助都會很棒！

謝謝！！

Answer 1

您需要在此處使用merge並利用indicator=True功能：

df_all = df1.merge(df2, on=['ID'], how='outer', indicator=True)
df3 = df_all[df_all['_merge'] == 'right_only'].drop(columns=['Name_x', 'Age_x']).rename(columns={'Name_y': 'Name', 'Age_y': 'Age'})[['ID', 'Name', 'Age']]
df2 = df_all[df_all['_merge'] == 'both'].drop(columns=['Name_x', 'Age_x']).rename(columns={'Name_y': 'Name', 'Age_y': 'Age'})[['ID', 'Name', 'Age']]
print(df3)
print(df2)

df3:

   ID   Name  Age
3   4    Bob   40
4   5  Chris   21

df2:

   ID    Name  Age
0   1    Adam   45
1   2    Bill   44
2   3  Claire   23