用相似的字符串連接兩列上的兩個數據框 Python

Question

我有兩個數據框（df1 和 df2），我想使用兩列合並，“州”（即阿肯色州）和“縣”（即聯合）。 （聯盟是阿肯色州的一個縣）。

df1 和 df2 需要匹配 'State' 和 'County'，但 df2 的縣名帶有額外的字符串（即 Woodmont County Borough），但在 df1 縣名（即 Woodmont）中找不到。

我該怎么做才能將這兩個數據框與縣的不同表示合並？ 我有很多縣名。

Answer 1

首先，獲取 df1 中的“縣”列表

然后，在 df2 中創建一個新列，如果在 df2.County 中找到 County_list 中的縣，則將其存儲在我們稱為 County_cleaned 的新列中

然后對於county_list中的每個縣，如果它出現在df2['County']中，則將其放入新創建的County_cleaned

現在，您可以使用 df2 中新創建的列將 df1 和 df2 合並在一起（我們稱之為 df3）：

# get a list of the counties in df1
county_list = df1.County.unique()

#initialise a new column to empty string
df2['County_cleaned'] = ''

#for each of the counties in df1, if a county from df1 appears 
#somewhere in the df2.County, then add it to the newly created 
#column called County_cleaned 
for c in county_list:
    df2.loc[df2['County'].str.contains(c), 'County_cleaned']=c

#merge the 2 dataframes to create df3
df3 = df1.merge(df, how='inner', left_on=['State','County'], right_on=['State', 'County_cleaned')

注意：我設置了 how='inner' 但這也可以是 'outer','left','right' 取決於連接的類型。