当行不匹配时合并 2 个数据框并将列并排放置以进行比较答案

【问题标题】：Combine 2 Dataframes when rows are not matching and put columns side by side for comparison当行不匹配时合并 2 个数据框并将列并排放置以进行比较
【发布时间】：2020-12-23 14:13:38
【问题描述】：

我手头有这些数据框，我想将它们组合成一个数据框，但前提是它们有任何不匹配的行，为了比较起见，我想将数据框的列放在一起。

initial = pd.DataFrame({'ID': ['123', '456', '789', '000'],
                     'Day': ['Mon','Tues','Wed','Thurs'],
                     'Value': ['5', '10', '11', '12'],
                      'Letter': ['Z', 'X', 'C', 'V']}) 

updated = pd.DataFrame({'ID': ['456', '123', '000', '789'],
                      'Day': ['Tues','Mon','Thurs','Wed'],
                       'Value': ['10', '8', '12', '13'],
                      'Letter': ['X', 'Z', 'C', 'V']})

合并它们后，我希望它们看起来像这样。（注意：initial 和 updated 中的 'Value' 列是并排的，'Letter' 列也是如此。

ID	Day	Value_initial	Value_updated	Letter_initial	Letter_updated
123	Mon	5	8	Z	Z
789	Wed	11	13	C	C
000	Thurs	12	12	V	C

有人知道我该怎么做吗？

【问题讨论】：

标签： python pandas dataframe merge

【解决方案1】：

在您提供的示例数据中，即使ID:000 在Letter 列中也有不匹配的数据。

试用代码：

df = pd.merge(initial,updated,on='ID', how='inner',suffixes=('_initial', '_updated'))
df = df[(df['Day_initial'] != df['Day_updated']) | (df['Value_initial'] != df['Value_updated']) | (df['Letter_initial'] != df['Letter_updated'])]
df = df.rename(columns={'Day_initial': 'Day'}).drop('Day_updated',axis=1)
df

打印：

    ID    Day Value_initial Letter_initial Value_updated Letter_updated
0  123    Mon             5              Z             8              Z
2  789    Wed            11              C            13              V
3  000  Thurs            12              V            12              C

替代（根据 cmets）：如果要比较的列太多，则以下方法是先从两个 dfs 中删除公共行，然后再进行合并。代码假定initial 中存在的所有ID 也存在于updated 中。

df1 = initial.sort_values('ID').reset_index(drop=True)
df2 = updated.sort_values('ID').reset_index(drop=True)
df3_common = df1[df1.isin(df2)].dropna()
df1 = df1[~df1.isin(df3_common)].dropna()
df2 = df2[~df2.isin(df3_common)].dropna()
df = pd.merge(df1,updated,on='ID', how='inner',suffixes=('_initial', '_updated'))
df = df.rename(columns={'Day_initial': 'Day'}).drop('Day_updated',axis=1)
df = df[['ID','Day','Value_initial','Value_updated','Letter_initial','Letter_updated']]
df

打印：

    ID    Day Value_initial Value_updated Letter_initial Letter_updated
0  000  Thurs            12            12              V              C
1  123    Mon             5             8              Z              Z
2  789    Wed            11            13              C              V

【讨论】：

哦，对了。我意识到了这一点。我已经编辑过了。有没有办法重新排列列？
此外，我想添加这对于几列来说会很好，但假设我们有 100 列，检查每一列是否不等于另一列似乎很粗糙。
只是df = df[['ID','Day','Value_initial','Value_updated','Letter_initial','Letter_updated']]
我添加了一个代码，它可以消除检查是否有很多列的需要。

【解决方案2】：

您可以append 而不是合并和drop_duplicates()。然后，pivot 数据框。这也将根据需要排序：

df = (initial.assign(col='initial')                            # create new col for each dataframe as we merge, so we can use as the column for the pivot later 
      .append(updated.assign(col='updated'))                   # append row-wise so we can use drop_duplicates
      .drop_duplicates(initial.columns, keep=False))           # keep=False drops both rows that are duplicated
      .pivot(index=['ID', 'Day'], columns='col').reset_index() # we transform dataframe from long-to-wide with pivot
df.columns = [f'{col[0]}_{col[1]}' for col in df.columns]      # fix the names of the columns so they are as desired and not multi-level
df
Out[1]: 
   ID_   Day_ Value_initial Value_updated Letter_initial Letter_updated
0  000  Thurs            12            12              V              C
1  123    Mon             5             8              Z              Z
2  789    Wed            11            13              C              V

【讨论】：