如何比较两个熊猫数据框并返回将它们相互映射的索引？

Posted 2023-03-12

技术标签:

【中文标题】如何比较两个熊猫数据框并返回将它们相互映射的索引？【英文标题】：How can I compare two pandas dataframes and return an index mapping them to each other? 【发布时间】：2021-02-11 04:22:49 【问题描述】：

我有两个数据框，df1 和 df2。这些数据框在第 3-10 列中有一些重叠的数据，但我知道前两列不匹配。如何遍历这两个数据帧并创建具有 df1.col1、df1.col2、df2.col1、df2.col2 架构的第三个数据帧？

在 SQL 中，我将使用第 3 到第 10 列作为键进行连接，然后 select 语句将只返回每个表的前两列 - 但我不知道如何在 python 中执行此操作。我的“直觉”本能是遍历数据框，类似于伪代码：

for line1 in df1:
   for line2 in df2:
      if(line1[:3]==line2[:3]):
         write_to_file_1(line1[2:], line2[2:])
      else
         write_to_a_file(nomatch_file1, line1)
         write_to_a_file(nomatch_file2, line2)

但我无法让它工作。

这是一些示例数据

1, 1, 多伦多, 渥太华, 布拉德, 戴维斯, 2020 年 1 月 1、2，温哥华，基洛纳，迈克尔，詹金斯，2020 年 2 月

第二个数据帧

43、45 岁，多伦多，渥太华，布拉德，戴维斯，2020 44、46 日，蒙特利尔，哈利法克斯，乔治，康斯坦萨，2019 年 3 月

在这种情况下，我想在第二个数据帧的第一行比较 TORONTO, OTTAWA, BRAD, DAVIS, JAN, 2020，所以它会返回一个新元组

1,1,43,45，多伦多，渥太华，布拉德，戴维斯，2020 年 1 月

【问题讨论】：

请显示示例数据，您不需要显示 10 列，但 6 列就可以了。还要定义“比较”的含义：“整数相等”？ '浮点精度'？ '字符串相等'？ '子串成员'？ “模糊字符串相似度”？ '列表等价'？等等顺便说一句，最好将数据框的行称为“行”而不是“行” 【参考方案1】：

解决方法是使用 df1.merge(df2, on=['city1', 'city2',....])

这对我有用，除非数据类型不同。

【讨论】：