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中有两个不同长度的数据帧，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ColumnA中的一行与df1中Column1中的一行具有相同的值，我想在df1中附加一列，其中df2的vaule ColumnB对于找到“命中”的行具有相同的值，因此我的结果如下所示：

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，我尝试的是：

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

这给了我一个错误，说我不能比较两个不同长度的数据帧。所以我试着：

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

从我得到输出的角度来看，它“起作用”，但我认为它不会遍历行并比较它们，因为它只打印两次“lalala”。因此，我研究了更多，并找到了一种迭代数据帧每一行的方法，即：

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

但是我不知道如何使用它来比较两个数据帧的列并获得我想要的输出。

任何关于如何做到这一点的帮助都将不胜感激。

Answer 1

我建议您使用DataFrame API，该API允许在加入、合并、groupby等方面与DF一起操作。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

P. s.更多细节：

1） 对于df2，我按“Column1”生成组。单个组是一个数据帧。示例如下：

   Column1 ColumnB
0        1       a
1        1       d
2        1       e

2） 对于每个组，我生成数据帧缓冲区_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，我对df1和dfs执行左连接，获得所需的结果。

2）*buffer_df迭代产生：

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