Desarrollo de Python
  1. Desarrollo de Python
  3. Comparando 2 columnas de dos marcos de datos de Python Pandas y obteniendo las filas comunes
Intereting Posts
Django 1.8 LookupError AUTH_USER_MODEL Acceda a los elementos de la matriz de matrices, llame a la función para ejecutar matrices de matrices. El objeto ‘módulo’ no tiene atributo ‘OSMGeoAdmin’ El codec ‘UCS-2’ no puede codificar caracteres en la posición 1050-1050 Python, ¿cómo desenrollar las tuplas en Lambda? ¿Cómo realizo una búsqueda binaria en un archivo de texto para buscar una palabra clave en python? Django Rest Framework – Leer datos nesteds, escribir entero Lista de grupos de ints por secuencia continua. Python 3, Web-scraping, y Javascript ¿Hay una manera de realizar la validación de forma transparente en los objetos SQLAlchemy? Parcela paraboloide superficie de ajuste Depuración de un progtwig de Python Prime Number Scrapy CrawlSpider para contenido AJAX NLTK y Stopwords fallan #lookuperror Cómo encontrar / reemplazar texto en html mientras se preservan las tags / estructura html

Comparando 2 columnas de dos marcos de datos de Python Pandas y obteniendo las filas comunes

Tengo 2 Dataframe de la siguiente manera: 

DF1= ABCD 0 AA BA KK 0 1 AD BD LL 0 2 AF BF MM 0 DF2= KL 0 AA BA 1 AD BF 2 AF BF

Al final lo que quiero conseguir es: 

 DF1= ABCD 0 AA BA KK 1 1 AD BD LL 0 2 AF BF MM 1

Entonces, quiero comparar dos marcos de datos, quiero ver qué filas del primer dataframe (para las columnas A y B) son comunes al segundo dataframe (Columna K y L) y asignar 1 en el mapa D de la primera ttwig de datos.

Puedo usar para bucle, pero será muy lento para un gran número de entradas.

Cualquier pista o sugerencia será apreciada.

Esto sería más fácil si cambiara el nombre de las columnas de df2 y luego pueda compararlas por filas: 

 In [35]: df2.columns = ['A', 'B'] df2 Out[35]: AB 0 AA BA 1 AD BF 2 AF BF In [38]: df1['D'] = (df1[['A', 'B']] == df2).all(axis=1).astype(int) df1 Out[38]: ABCD 0 AA BA KK 1 1 AD BD LL 0 2 AF BF MM 1

Así lo resolví: 

 df1 = pd.DataFrame({"A":['AA','AD','AD'], "B":['BA','BD','BF']}) df2 = pd.DataFrame({"A":['AA','AD'], 'B':['BA','BF']}) df1['compressed']=df1.apply(lambda x:'%s%s' % (x['A'],x['B']),axis=1) df2['compressed']=df2.apply(lambda x:'%s%s' % (x['A'],x['B']),axis=1) df1['Success'] = df1['compressed'].isin(df2['compressed']).astype(int) print df1 AB compressed Success 0 AA BA AABA 1 1 AD BD ADBD 0 2 AD BF ADBF 1

DF1.merge(right=DF2,left_on=[DF1.A,DF1.B],right_on=[DF2.K,DF2.L], indicator=True, how='left')

da:

ABCDKL _merge 0 AA BA KK 0 AA BA both 1 AD BD LL 0 NaN NaN left_only 2 AF BF MM 0 AF BF both

Entonces, como arriba, el indicador hace el trabajo.

Peter