将 Dataframe 与不同数量的行和列进行比较答案

【问题标题】：Comparing Dataframe with different amount of rows and columns将 Dataframe 与不同数量的行和列进行比较
【发布时间】：2021-03-12 01:15:25
【问题描述】：

我有一个这样的数据框A：

CARD_NUMBER	TRANSACTION_AMOUNT	TERMINAL_ID	EXTERNAL_STAN	TRANSACTION_DATE
604861*********3947	40000	Y6152114	686817	21/01/2021 09:53:41
440833******4229	200000	Y6152114	686821	21/01/2021 10:04:05
425322******8727	200000	Y6152114	686847	21/01/2021 12:06:25
406606******7268	300000	Y6152114	207606	21/01/2021 15:16:33
425322******5923	300000	Y6152114	683213	21/01/2021 16:25:04

另一个数据框 B 如下所示：

MICROFILM_REF_NUMBER	LINKUP_CODE	REVERSAL_FLAG	MCC	TRANSACTION_AMOUNT	TRANSACTION_CURRENCY	TRANSACTION_CURRENCY_EXP	TRANSACTION_DATE	ISSUER_ID	ACQUIRER_ICA	CLEARING_BIN	ACQUIRER_BANK_CODE	MERCHANT_COUNTRY_CODE	MERCHANT_ACRONYM	OUTLET_NUMBER	TERMINAL_ID	MERCHANT_TRANSACTION_SIGN	ISSUER_BANK_CODE	CLIENT_CODE	CARD_NUMBER	EXPIRY_DATE	TRANSACTION_SIGN	BILLING_AMOUNT	BILLING_CURRENCY_EXP	NETWORK_CODE	SETTLEMENT_AMOUNT	SETTLEMENT_CURRENCY	SETTLEMENT_CURRENCY_EXP	FUNCTION_CODE	AUTHORIZATION_CODE	AUTHORIZATION_DATE	REFERENCE_NUMBER	INTERNAL_STAN	EXTERNAL_STAN
70000021024100188324015	AUTH10401003	N	6011	509,47	978	2	26/01/2021 18:39	515880	12658	12658	000003	710	CALENDAR GIRLS BOYS JOHANNESBURG ZA	000045	000045	C	ISS003	0360835902	5158800746440660	01/01/2021	D	509,47	2	02	509,47	978	2	205	407309	26/01/2021 17:55	407309407309	670676	407309
70000021024100188324320	AUTH10401003	N	6011	3038,85	978	2	26/01/2021 17:59	515880	12658	12658	000003	710	CALENDAR GIRLS BOYS JOHANNESBURG ZA	000045	000045	C	ISS003	0348497473	5158800034404519	01/01/2021	D	3038,85	2	02	3038,85	978	2	205	763004	26/01/2021 17:16	763004763004	456406	763004
70000021024100188324064	AUTH10401003	N	6011	6762,29	978	2	26/01/2021 18:12	515880	12658	12658	000003	710	CALENDAR GIRLS BOYS JOHANNESBURG ZA	000045	000045	C	ISS003	0390027716	5158800663287854	01/01/2021	D	6762,29	2	02	6762,29	978	2	205	001532	26/01/2021 17:29	001532001532	536033	001532
70000021024100188324130	AUTH10401003	N	6011	431,87	978	2	26/01/2021 17:35	515880	12658	12658	000003	710	CALENDAR GIRLS BOYS JOHANNESBURG ZA	000045	000045	C	ISS003	0360236142	5158800688202193	01/01/2021	D	431,87	2	02	431,87	978	2	205	258257	26/01/2021 16:52	258257258257	286480	258257

我想在数据框 A 中添加一列“匹配”，以便数据框 A 中存在的行之一在数据框 B 中退出，然后“匹配”为 True，否则为 False。

我还想生成一个包含匹配行数和不匹配行数的文件。

【问题讨论】：

标签： python pandas

【解决方案1】：

解决您的问题的一种可能方法是使用 Pandas 提供的 merge 函数。如果您熟悉 SQL，这就像一个表连接。 pd.merge 通过检查两个数据框在列名称上的匹配位置将列从 df1 添加到 df2。这可以使用以下函数来完成：

df3=df1.merge(df2, on=['col1','col2','col3'], how='left', indicator='Match')

例如，如果 df1 是：

FIRST_NAME	LAST_NAME	SALARY
ahmed	mobarki	20000.0
mourad	melodi	96000.0
adam	karimi	25000.0
fatima	barkaoui	30000.0
david	mahri	40500.0
said	melloki	96400.0
ayoube	sharfi	36420.0
john	salali	97500.0
hajar	mously	52400.0

df2 被定义为：

使用指示器执行左连接。

df3 = df1.merge(df2, on=['FIRST_NAME','LAST_NAME','salary'], how='left', indicator='Match')

设置indicator=Match 会在合并的DataFame 中添加一个名为Match 的列，其中每一行的值可以是三个可能值之一：left_only, right_only, or both。

我们对 Match 等于 both 时感兴趣，因为这意味着在两个 DataFrame 中都找到了观察合并键（然后我们会将 both 转换为 True，否则它将是 False） .

df3['Match'] = df3['Match'] == 'both'

df3 将如下所示：

现在让我们回到您的数据框 A 和 B：

C=A.merge(B, on=['CARD_NUMBER','TRANSACTION_AMOUNT','TERMINAL_ID', 'EXTERNAL_STAN', 'TRANSACTION_DATE'], how='left', indicator='Match')

C['Match'] = C['Match'] == 'both'
# create a new column Match in dataframe A  and fill it from C
A["Match"] = C['Match']

【讨论】：