pandas-基于列条目的两个数据框的交集
假设我有两个这样的DataFrame：
>>dfA
S T prob
0 ! ! ! ! ! ! ! 8.1623999e-05
1 ! ! ! ! ! ! " 0.00354090007
2 ! ! ! ! ! ! . 0.00210241997
3 ! ! ! ! ! ! ? 6.55684998e-05
4 ! ! ! ! ! ! 0.203119993
5 ! ! ! ! ! ! ” 6.62070015e-05
6 ! ! ! ! ! 0.00481862016
7 ! ! ! ! 0.0274260994
8 ! ! ! " ! ! ! 7.99940026e-05
9 ! ! ! " ! 1.51188997e-05
10 ! ! ! " 8.50678989e-05
>>dfB
S T knstats
0 ! ! ! ! ! ! ! knstats=2,391,104,64,25
1 ! ! ! ! ! ! " knstats=4,391,6,64,2
2 ! ! ! ! ! ! . knstats=4,391,5,64,2
3 ! ! ! ! ! ! ? knstats=1,391,4,64,4
4 ! ! ! ! ! ! knstats=220,391,303,64,55
5 ! ! ! ! ! knstats=16,391,957,64,115
6 ! ! ! ! knstats=28,391,5659,64,932
7 ! ! ! " ! ! ! knstats=2,391,2,64,1
8 ! ! ! " ! knstats=1,391,37,64,13
9 ! ! ! " knstats=2,391,1.11721e+06,64,180642
10 ! ! ! . " knstats=2,391,120527,64,20368
我想创建一个新的DataFrame，它由在两个矩阵中具有匹配的“ S”和“
T”条目的行以及dfA的prob列和dfB的knstats列组成。结果应类似于以下内容，并且顺序相同很重要：
S T prob knstats
0 ! ! ! ! ! ! ! 8.1623999e-05 knstats=2,391,104,64,25
1 ! ! ! ! ! ! " 0.00354090007 knstats=4,391,6,64,2
2 ! ! ! ! ! ! . 0.00210241997 knstats=4,391,5,64,2
3 ! ! ! ! ! ! ? 6.55684998e-05 knstats=1,391,4,64,4
4 ! ! ! ! ! ! 0.203119993 knstats=220,391,303,64,55
5 ! ! ! ! ! 0.00481862016 knstats=16,391,957,64,115
6 ! ! ! ! 0.0274260994 knstats=28,391,5659,64,932
7 ! ! ! " ! ! ! 7.99940026e-05 knstats=2,391,2,64,1
8 ! ! ! " ! 1.51188997e-05 knstats=1,391,37,64,13
9 ! ! ! " 8.50678989e-05 knstats=2,391,1.11721e+06,64,180642
问题答案：
您可以合并它们，以便：
s1 = pd.merge(dfA, dfB, how='inner', on=['S', 'T'])
删除NA行：
s1.dropna(inplace=True)
-
问题内容： 我正在考虑对每个具有大量列的数据帧进行合并操作。不想结果有两个具有相同名称的列。我正在尝试查看两个框架之间共有的列名列表： 我该如何在Index对象上操作该NumPy布尔数组，使其仅返回公用列的列表？ 问题答案： 使用或： 后一种选择的替代语法：
-
问题内容： 可以说这是我的数据框 看起来像这样… 我想删除第1行，因为它具有与第0行相同的生物和中心。我想保留第2行，因为它具有相同的生物但中心与第0行不同。 像这样的事情基于drop_duplicates输入结构是行不通的，但这是我正在尝试做的事情 有什么建议 ？ 编辑：更改df有点适合正确答案的示例 问题答案： 您的语法错误。这是正确的方法： 或者在这种特定情况下，只需： 两者都返回以下内容：
-
问题内容： 当我使用这种语法时，它将创建一个序列，而不是将列添加到新的数据帧（总和）中。请帮忙。 我的代码： 我的数据（在数据框df中）：（当前除了预算外，其他所有内容-实际的，我要创建差异列吗？ 问题答案： 我认为您已经误解了某些python语法，以下代码执行了两项任务： 因此，在您的代码中就好像您在做的一样： 后者为df创建了一个新列： 顺便说一句，您不应将其用作变量名称，因为它会覆盖内置的s
-
问题内容： 假设我有一个df包含的列。我定义一个函数： 现在，我要应用f到df的两列，以逐元素的计算新列，有点像： 怎么做 ？ 如下添加详细样本 * 问题答案： 这是apply在数据框上使用的示例，我正在用进行调用。 请注意，区别在于，与其尝试将两个值传递给该函数f，不如重写该函数以接受pandas Series对象，然后对Series进行索引以获取所需的值。 根据你的用例，有时创建一个对象然后在
-
问题内容： 我肯定在这里错过了一些简单的事情。尝试在熊猫中合并具有相同列名的两个数据框，但右侧的数据框具有一些左侧没有的列，反之亦然。 我试着加入外部联接： 但这产生了： 我还指定了一个要连接的单列（例如on =“ id”），但是它复制了除“ id”以外的所有列，例如attr_1_x，attr_1_y，这并不理想。我也将整个列列表（有很多）传递给了“ on”： 产生： 我想念什么？我想获得一个带有
-
问题内容： 我有一个脚本可以更新5-10列的数据，但有时起始csv与结束csv相同，因此我不想写相同的csvfile，而是希望它不执行任何操作… 如何比较两个数据框以检查它们是否相同？ 有任何想法吗？ 问题答案： 您还需要小心创建DataFrame的副本，否则csvdata_old将使用csvdata更新（因为它指向相同的对象）： 要检查它们是否相等，可以在此答案中使用assert_frame_e