两个熊猫数据框的联合

Posted 2023-02-24

【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。

【参考方案1】：

与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df1 和df2。 groupby 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。