逐行比较两个不同长度的数据帧，并为每行添加相等值的列

Question

我在 python pandas 中有两个不同长度的数据框，如下所示：

df1:                                 df2:

      Column1  Column2 Column3            ColumnA ColumnB 
    0    1       a       r              0    1       a
    1    2       b       u              1    1       d
    2    3       c       k              2    1       e
    3    4       d       j              3    2       r
    4    5       e       f              4    2       w
                                        5    3       y 
                                        6    3       h

我现在要做的是比较 df1 的 Column1 和 df2 的 ColumnA。对于每个“命中”，其中 df2 中的 ColumnA 中的一行与 df1 中 Column1 中的一行具有相同的值，我想将一列附加到 df1，其中 df2 的 ColumnB 具有“命中”所在的行，所以我的结果如下所示：

df1:

   Column1  Column2  Column3  Column4 Column5  Column6
0     1        a        r        a       d        e
1     2        b        u        r       w
2     3        c        k        y       h
3     4        d        j
4     5        e        f

到目前为止我尝试过的是：

for row in df1, df2:
   if df1[Column1] == df2[ColumnA]:
      print 'yey!'

这给了我一个错误，说我无法比较两个不同长度的数据帧。所以我尝试了：

for row in df1, df2:
    if def2[def2['ColumnA'].isin(def1['column1'])]:
        print 'lalala' 
    else:
        print 'Nope'

就我获得输出而言，哪个“有效”，但我认为它不会遍历行并比较它们，因为它只打印两次“lalala”。于是我又研究了一番，找到了一种遍历数据框每一行的方法，即：

for index, row in df1.iterrows():
    print row['Column1]

但我不知道如何使用它来比较两个数据框的列并获得我想要的输出。

非常感谢任何有关如何执行此操作的帮助。

Answer 1

我建议您使用 DataFrame API，它允许在join, merge、groupby 等方面使用 DF 进行操作。您可以在下面找到我的解决方案：

import pandas as pd

df1 = pd.DataFrame({'Column1': [1,2,3,4,5], 
    'Column2': ['a','b','c','d','e'], 
    'Column3': ['r','u','k','j','f']})

df2 = pd.DataFrame({'Column1': [1,1,1,2,2,3,3], 'ColumnB': ['a','d','e','r','w','y','h']})

dfs = pd.DataFrame({})
for name, group in df2.groupby('Column1'):
    buffer_df = pd.DataFrame({'Column1': group['Column1'][:1]})
    i = 0
    for index, value in group['ColumnB'].iteritems():
        i += 1
        string = 'Column_' + str(i)
        buffer_df[string] = value

    dfs = dfs.append(buffer_df)

result = pd.merge(df1, dfs, how='left', on='Column1')
print(result)

结果是：

   Column1 Column2 Column3 Column_0 Column_1 Column_2
0        1       a       r        a        d        e
1        2       b       u        r        w      NaN
2        3       c       k        y        h      NaN
3        4       d       j      NaN      NaN      NaN
4        5       e       f      NaN      NaN      NaN

附：更多详情：

1) 对于 df2，我通过“Column1”生成 groups。单个 group 是一个数据框。示例如下：

   Column1 ColumnB
0        1       a
1        1       d
2        1       e

2) 对于每个 group 我生成数据帧 buffer_df:

   Column1 Column_0 Column_1 Column_2
0        1        a        d        e

3) 之后我创建 DF dfs:

   Column1 Column_0 Column_1 Column_2
0        1        a        d        e
3        2        r        w      NaN
5        3        y        h      NaN

4) 最后我为 df1 和 dfs 执行左连接以获得所需的结果。

2)* buffer_df 是迭代产生的：

step0 (buffer_df = pd.DataFrame({'Column1': group['Column1'][:1]})):
            Column1
         5       3

step1 (buffer_df['Column_0'] = group['ColumnB'][5]):      
            Column1 Column_0
         5       3       y

step2 (buffer_df['Column_1'] = group['ColumnB'][5]):      
            Column1 Column_0 Column_1
         5       3       y       h