如果特定列存在于带有 Pandas 的两个 DataFrame 中，则替换列值

Question

我有 2 个代表 CSV 文件的数据框：

# 1.csv

id,email
1,someone@email.com
2,someoneelse@email.com
...

# 2.csv

id,email
3,someone@otheremail.com
4,someone@email.com
...

我想要做的是使用Pandas 将两个表合并到一个DataFrame 中，这取决于特定列（在本例中为第2 列，email）在两个DataFrames 中是否相同。 我需要合并的 DataFrame 从2.csv 中选择id。

例如，使用上面的示例数据，由于email列值someone@email.com在两个CSV中都存在，我需要合并的DataFrame输出以下内容：

# 3.csv
id,email
4,someone@gmail.com
2,someoneelse@email.com
3,someone@otheremail.com

我目前的情况如下：

df1 = pd.read_csv('/path/to/1.csv')

print("df1 has {} rows".format(len(df1.index)))
# "df1 has 14072 rows"

df2 = pd.read_csv('/path/to/2.csv')

print("df2 has {} rows".format(len(df2.index)))
# "df2 has 56766 rows"

join = pd.merge(df1, df2, on="email", how="inner")

print("join has {} rows".format(len(join.index)))
# "join has 321 rows" 

问题在于join DataFrame 仅生成两个 DataFrame 中存在email 字段的行。我期望的是输出 DataFrame 包含 56766 + 14072 - 321 = 70517 行，其中 id 值是来自 2.csv 的值，而 email 字段在两个源 DataFrames 中是相同的。我尝试更改merge(how="left|right")，但结果相同。

Answer 1

from datatable import dt, f, by

df1 = dt.Frame("""
id,email
1,someone@email.com
2,someoneelse@email.com
""")
df1['csv'] = 1

df2 = dt.Frame("""
id,email
3,someone@otheremail.com
4,someone@email.com
""")
df2['csv'] = 2


df_all = dt.rbind(df1, df2)

df_result = df_all[-1, ['id'], by('email')]

Answer 2

通过将文件上传到谷歌电子表格并使用VLOOKUP解决它