Pandas：根据现有列向 DataFrame 添加列答案

【问题标题】：Pandas: Add columns to DataFrame based off existing columnPandas：根据现有列向 DataFrame 添加列
【发布时间】：2018-08-13 18:25:26
【问题描述】：

我有 2 个正在 Python 中操作的 pandas DataFrame，我想根据某个列 (col_1) 组合它们：

#df1
    col_1   col_2          
0       3       7            
1       4       8            
2       5       5    

#df2
  col_1    col_3 
0     4       78
1     5       89

输出应该是这样的：

    col_1   col_2   col_3
0   3       7       0
1   4       8       78
2   5       5       89

我不确定如何使用“最佳做法”来解决此问题。

谢谢。

【问题讨论】：

标签： python pandas dataframe merge

【解决方案1】：

假设你有：

df1=pd.DataFrame({'col_1': {0: 3, 1: 4, 2: 5}, 'col_2': {0: 7, 1: 8, 2: 5}})
df2=pd.DataFrame({'col_1': {0: 4, 1: 5}, 'col_3': {0: 78, 1: 89}})

你可以使用合并：

pd.merge(df1,df2,on='col_1',how='left').fillna(0)
Out[22]: 
   col_1  col_2  col_3
0      3      7    0.0
1      4      8   78.0
2      5      5   89.0

如果您需要 col_3 作为 int（感谢 piRSquared 的建议）：

pd.merge(df1,df2,on='col_1',how='left').fillna(0, downcast='infer')

Out[25]: 
   col_1  col_2  col_3
0      3      7      0
1      4      8     78
2      5      5     89

【讨论】：

downcast 参数可以解决问题...pd.merge(df1,df2,on='col_1',how='left').fillna(0, downcast='infer')
或pd.merge(df1,df2,on='col_1',how='left').fillna(0).astype(dict(col_3=int))

【解决方案2】：

你可以在使用set_index之后使用join。

df1.join(df2.set_index('col_1'), on='col_1').fillna(0, downcast='infer')

   col_1  col_2  col_3
0      3      7      0
1      4      8     78
2      5      5     89

【讨论】：

【解决方案3】：

如果通常对单个列有效，则映射系列。

df1 = pd.DataFrame({'col_1': [3, 4, 5],
                    'col_2': [7, 8, 5]})

df2 = pd.DataFrame({'col_1': [4, 5],
                    'col_3': [78, 89]})

df1['col_3'] = df1['col_1'].map(df2.set_index('col_1')['col_3']).fillna(0)

#    col_1  col_2  col_3
# 0      3      7    0.0
# 1      4      8   78.0
# 2      5      5   89.0

【讨论】：

请注意，这是可行的，因为 df1col_1 的唯一值是 df2.col_2 中的一组超级值

【解决方案4】：

也许combine_first

df1.set_index('col_1').combine_first(df2.set_index('col_1')).fillna(0).reset_index().astype(int)
Out[237]: 
   col_1  col_2  col_3
0      3      7      0
1      4      8     78
2      5      5     89

【讨论】：