两个熊猫数据框的联合

Posted

技术标签:

【中文标题】两个熊猫数据框的联合【英文标题】:Union of two pandas DataFrames 【发布时间】:2019-06-16 08:00:40 【问题描述】:

假设我有两个数据框:

df1:

  A
0 a
1 b

df2:

  A
0 a
1 c

我希望结果是两个框架的 并集,其中 额外的列 显示该行所属的源数据框架。如果出现重复,应删除重复项,并且相应的额外列应显示两个来源:

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

我可以得到没有重复的连接数据帧(df3)如下:

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

我想不出/找到一种方法来控制哪些元素去哪里。如何添加额外的列?

非常感谢您提供的任何提示。

【问题讨论】:

【参考方案1】:

indicator 参数合并,并重新映射结果:

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

【讨论】:

太棒了!你能添加如何为交叉点做同样的事情吗?外->内? @LeonRai df1.merge(df2, on=['A'], how='inner').assign(B='df1, df2')(因为交集意味着两者的成员身份) 知道了!谢谢你的详细解答!【参考方案2】:

我们使用外连接来解决这个问题 -

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

【讨论】:

取悦里昂 :)【参考方案3】:

使用下面的命令:

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

结果将是:

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

assign 将在您的数据框中添加一个名为source 的列,其值为df1df2groupby 命令将具有相同 A 值的行分组为单行。 aggregate 命令描述了如何为具有相同 A 的每组行聚合其他列 (source)。我使用了list 聚合函数,因此source 列是具有相同A 的值列表。

【讨论】:

以上是关于两个熊猫数据框的联合的主要内容,如果未能解决你的问题,请参考以下文章

具有两个以上数据框的熊猫的外部合并[重复]

如何在熊猫数据框的每一行中找到选定列中的两个最低值?

熊猫数据框:在进行涉及两个数据框的算术运算时如何在多个索引级别上进行匹配

如何使用 Seaborn 并排绘制熊猫数据框的多组列

熊猫:按另一个数据框的值添加列

如何将一个熊猫数据框的一列与另一个数据框的每一列相加?