在條件 Pandas 上加入 DataFrames

Question

我有以下兩個要合並的具有二進制值的數據框。

df1

    Action  Adventure   Animation   Biography   
0   0       1           0           0   
1   0       0           0           0   
2   1       0           0           0   
3   0       0           0           0   
4   1       0           0           0

df2

    Action  Adventure   Biography   Comedy  
0   0       0           0           0   
1   0       0           1           0   
2   0       0           0           0   
3   0       0           0           1   
4   1       0           0           0   

我想以結果具有不同列的方式連接這兩個數據幀，如果在一個數據幀中值為 1，則結果為 1，否則為 0。

結果

    Action  Adventure   Animation   Biography   Comedy
0   0       1           0           0           0
1   0       0           0           1           0
2   1       0           0           0           0
3   0       0           0           0           1 
4   1       0           0           0           0

我堅持這一點，所以我沒有建議的解決方案。

Answer 1

讓我們add兩個數據框，然后clip上限值：

df1.add(df2, fill_value=0).clip(upper=1).astype(int)

---

   Action  Adventure  Animation  Biography  Comedy
0       0          1          0          0       0
1       0          0          0          1       0
2       1          0          0          0       0
3       0          0          0          0       1
4       1          0          0          0       0

Answer 2

將其視為設定問題可能會給您解決方案。 看看代碼。

print((df1 | df2).fillna(0).astype(int) | df2)

完整代碼：

import pandas as pd

df1 = pd.DataFrame(
    {
        'Action':[0, 0, 1, 0, 1],
        'Adventure':[1, 0, 0, 0, 0],
        'Animation':[0, 0, 0, 0, 0],
        'Biography':[0, 0, 0, 0, 0]
    }
)

df2 = pd.DataFrame(
    {
        'Action':[0, 0, 1, 0, 1],
        'Adventure':[1, 0, 0, 0, 0],
        'Animation':[0, 0, 0, 0, 0],
        'Biography':[0, 1, 0, 0, 0],
        'Comedy':[0, 0, 0, 1, 0]
    }
)

print((df1 | df2).fillna(0).astype(int) | df2)

輸出：

   Action  Adventure  Animation  Biography  Comedy
0       0          1          0          0       0
1       0          0          0          1       0
2       1          0          0          0       0
3       0          0          0          0       1
4       1          0          0          0       0