如何查找和计算两个不同数据帧之间的重复行数？ [关闭]

Posted 2023-03-11

【中文标题】如何查找和计算两个不同数据帧之间的重复行数？ [关闭]

【英文标题】：How to find and calculate the number of duplicated rows between two different dataframe? [closed]

【发布时间】：2021-08-11 06:26:09

【问题描述】：

我如何知道不同数据帧之间重复的行数？并创建新列？

数据框 1：

c_x   c_y

dan    kim

lee    kim

bob    dan

bob    uni

数据框 2：

c_x   c_y    movie

kim    kim    a

lee    kim    a

kim    lee    b

dan    bob    c

bob    dan    f

bob    uni    a

uni    bob    f

我想根据两个数据框计算重复的行数。具体来说，我想计算重复行数，而不管列顺序如何。另外，我想制作新的电影专栏

我想要一个像这样的最终数据框。

df1
c_x   c_y    movie1    movie2   number

dan    kim    nan       nan       0

lee    kim     a         b        2

bob    dan     c         f        2

bob    uni     a         f        2

提前致谢。

【问题讨论】：

请通过intro tour、help center 和how to ask a good question 了解本网站的运作方式并帮助您改进当前和未来的问题，从而帮助您获得更好的答案。 “告诉我如何解决这个编码问题？”与 Stack Overflow 无关。您必须诚实地尝试解决方案，然后就您的实施提出具体问题。 Stack Overflow 无意取代现有的教程和文档。

【参考方案1】：

您可以对两个DataFrames - 列c_x 和c_y 进行排序，因为movies 使用DataFrame.pivot，按DataFrame.count 计算非缺失值并附加到df1：

df2[['c_x','c_y']] = np.sort(df2[['c_x','c_y']], axis=1)

df2['g'] = df2.groupby(['c_x','c_y']).cumcount().add(1)

df2 = df2.pivot(index=['c_x','c_y'], columns='g', values='movie').add_prefix('movie')
df2['number'] = df2.count(axis=1)
print (df2)
g       movie1 movie2  number
c_x c_y                      
bob dan      c      f       2
    uni      a      f       2
kim kim      a    NaN       1
    lee      a      b       2

然后：

df1[['c_x','c_y']] = np.sort(df1[['c_x','c_y']], axis=1)

df = df1.join(df2, on=['c_x','c_y'])