过滤具有另一个数据框的多列值的数据框[重复]

Question

我有 2 个数据框如下：

df1={"group":["A","B"],
 "unit":["U1","U2"],
 "char1":["C1","C2"],
 "char2":["Large","Medium"],
 "char3":["","R"]
}
df1=pd.DataFrame.from_dict(df1)

和

df2={"char1":["C1","C1","C1","C1","C2","C2","C2","C3","C3"],
"char2":["Large","Large","Large","Large","Medium","Medium","Medium","Medium","Large"],
 "char3":["U","U","U","R","R","R","U","R","R"],
 "result":[113,114,115,116,818,819,1101,1102,1103]}

df2=pd.DataFrame.from_dict(df2)

我想用 df1 列 (char1,char2,char3) 的值过滤 df2。 最后，对于 df1 中的每个 group_unit 对，我想分配来自 df2 的过滤结果。

所需的输出如下所示：

output={"group":["A","A","A","A","B","B"],
    "unit" :["U1","U1","U1","U1","U2","U2"],
    "result":[113,114,115,116,818,819]}
output=pd.DataFrame.from_dict(output)

我尝试过使用“isin”和其他一些东西，但无法到达那里。 我很欣赏任何类型的软编码解决方案。

Answer 1

您可以通过单个指令完成此任务：

pd.merge(df1, df2, on=['char1', 'char2'])[['group', 'unit', 'result']]

merge（毫不奇怪）合并了df1 和df2，但结果包含 还有char1、char2、char3_x 和char3_y 列， 所以你需要将输出“限制”到你想要的列。

注意，结果列列表在双方括号中 （你可能会说：一个奇怪的符号）。

原因是：

• “外部”对是索引的“正常”对，
• 但是因为我们有一个列表而不是单个列名 列名，必须用另一对方括号括起来。

关于您的预期输出的一点评论：

实际上不应包含最后一个“您的”行（B、U2、1102）。 请注意，df2 (C3, Medium, R, 1102) 中的最后一行包含 C3 作为char1 和Medium 作为char2，但df1 不包含 包含这些值的任何行。

编辑

您写道要过滤（实际上是合并）所有三个 char1， char2 和 char3 列。

所以可能：

• df1 的字典应包含 'char3':['U', 'R']（注意添加的“U”）。
• merge 指令应该是：pd.merge(df1, df2)（默认合并 所有公共列的标准），“[[...]]”部分与以前一样。

那么结果将包含：

  group unit  result
0     A   U1     113
1     A   U1     114
2     A   U1     115
3     B   U2     818
4     B   U2     819
5     B   U2    1101

即三行包含 C1、Large 和 U 以及另外三行 包含C2、Medium 和R。

编辑 2

为了按照您在评论中解释的方式执行过滤， 您必须将 df1 拆分为 2 个 DataFrame：

• df1a 在 char3 中包含一个空字符串，删除 char3 列 （原因在下面解释），
• df1b 在char3 中包含非空字符串。

要运行：

df1a = df1.query('char3.str.len() == 0').drop('char3', axis=1)
df1b = df1.query('char3.str.len() > 0')

那么你应该连接两个部分合并：

• df1a 和 df，使用默认合并标准 - 所有公共列 （char1 和 char2，所以现在很清楚为什么我们放弃了 char3），
• df1b 和 df，再次出现在所有常用列上（这次是 char1，char2 和char3)，
• 只留下group、unit 和result 列。

要运行：

pd.concat([pd.merge(df1a, df2), pd.merge(df1b, df2)])[['group', 'unit', 'result']]