pandas/python：在 2 个 df 之间搜索循环并将最终结果输入到新的 df

Question

是否可以使用两个不同的 df(s) 创建一个“搜索”循环（在一个范围内，例如：iloc 0 到 10、0 到 21 等 ..）并将最终结果输入到一个新的 df 中。

以下是我使用的手动方法。但是，它的效率非常低。

ndf0 = df[(df['result'] == rc.iloc[0]['result'])].drop_duplicates(['result'], keep='last')
ndf1 = df[(df['result'] == rc.iloc[1]['result'])].drop_duplicates(['result'], keep='last')
ndf2 = df[(df['result'] == rc.iloc[2]['result'])].drop_duplicates(['result'], keep='last')
ndf3 = df[(df['result'] == rc.iloc[3]['result'])].drop_duplicates(['result'], keep='last')
ndf4 = df[(df['result'] == rc.iloc[4]['result'])].drop_duplicates(['result'], keep='last')
ndf5 = df[(df['result'] == rc.iloc[5]['result'])].drop_duplicates(['result'], keep='last')
ndf6 = df[(df['result'] == rc.iloc[6]['result'])].drop_duplicates(['result'], keep='last')
ndf7 = df[(df['result'] == rc.iloc[7]['result'])].drop_duplicates(['result'], keep='last')
ndf8 = df[(df['result'] == rc.iloc[8]['result'])].drop_duplicates(['result'], keep='last')
..etc...

frames = [ndf0, ndf1, ndf2, ndf3, ndf4, ndf5, ndf6, ndf7, ndf8, etc..]
result = pd.concat(frames)

非常感谢，问候

示例表：

df

╔════════╦════════╗ ║结果║评分║ ╠════════╬════════╣ ║紫║11║ ║蓝色║33║ ║黄色║54║ ║绿色║55║ ║红色║64║ ║棕色║37║ ║白色║95║ ║黄金║99║ ║ 棕褐色 ║ 47 ║ ║黑色║67║ ╚════════╩════════╝

rc

╔════════╗ ║结果║ ╠════════╣ ║蓝色║ ║黄色║ ║红色║ ║晒黑║ ║白色║ ╚════════╝

ndf

╔════════╦════════╗ ║结果║评分║ ╠════════╬════════╣ ║蓝色║33║ ║黄色║54║ ║红色║64║ ║ 棕褐色 ║ 47 ║ ║白色║95║ ╚════════╩════════╝

Answer 1

您似乎想从df中选择一部分数据，条件是df['result']的值包含在rc['result']中。

如果是这样，也许您可​​以使用掩码来选择它们，然后删除保留最后一行的重复项。

试试这个：

mask = (df['result'].isin(rc['result'].to_list()))
new_df = df[mask].drop_duplicates(['result'], keep='last')

希望能给你一些帮助。

Answer 2

嗯....这不是直接工作吗？

df = df[[rc.columns.tolist()]]

Answer 3

使用merge:

>>> rc.merge(df, on='result', how='left').drop_duplicates('result', keep='last')

   result  rating
0    blue      33
1  yellow      54
2     red      64
3     tan      47
4   white      95

注意：在您的示例中，您没有重复。