使用Python Pandas合并带有标识值的DataFrame

使用Python Pandas合并带有标识值的DataFrame

要合并Pandas DataFrame,请使用 merge ()函数。在该函数中,可以将参数 indicator 设置为 TrueFalse 。如果要检查哪个DataFrame具有特定记录,则使用−

indicator = True
Python

如上所示,使用以上参数为True,将向输出DataFrame添加名为“_merge”的列。

首先,让我们导入带有别名的pandas库−

import pandas as pd
Python

让我们创建DataFrame1−

dataFrame1 = pd.DataFrame(
   {
      "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'],
      "Units": [100, 150, 110, 80, 110, 90]
   }
)
Python

创建DataFrame2−

dataFrame2 = pd.DataFrame(
   {
      "Car": ['BMW', 'Lexus', 'Tesla', 'Mustang', 'Mercedes', 'Jaguar'],
      "Reg_Price": [7000, 1500, 5000, 8000, 9000, 6000]

   }
)
Python

现在,使用值为True的指示器合并DataFrame−

#合并DataFrame与指示器值
mergedRes = pd.merge(dataFrame1, dataFrame2, how = "left", indicator=True)
Python

示例

以下是代码−

import pandas as pd

# 创建DataFrame1
dataFrame1 = pd.DataFrame(
   {
      "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'],
      "Units": [100, 150, 110, 80, 110, 90]
   }
)

print"DataFrame1 ...\n",dataFrame1

# 创建DataFrame2
dataFrame2 = pd.DataFrame(
   {
      "Car": ['BMW', 'Lexus', 'Tesla', 'Mustang', 'Mercedes', 'Jaguar'],
      "Reg_Price": [7000, 1500, 5000, 8000, 9000, 6000]

   }
)

print"\nDataFrame2 ...\n",dataFrame2

# 合并DataFrame与指示器值
mergedRes = pd.merge(dataFrame1, dataFrame2, how = "left", indicator=True)
print"\n合并后的DataFrame...\n", mergedRes
Python

输出

这将产生以下输出。这里,“both”“在“_merge中显示,表示该值存在于两个DataFrame中−

DataFrame1 ...
       Car   Units
0      BMW    100
1    Lexus    150
2     Audi    110
3  Mustang     80
4  Bentley    110
5   Jaguar     90

DataFrame2 ...
        Car   Reg_Price
0       BMW       7000
1     Lexus       1500
2     Tesla       5000
3   Mustang       8000
4  Mercedes       9000
5    Jaguar       6000

合并后的DataFrame...
       Car   Units   Reg_Price    _merge
0      BMW    100      7000.0       both
1    Lexus    150      1500.0       both
2     Audi    110         NaN  left_only
3  Mustang     80      8000.0       both
4  Bentley    110         NaN  left_only
5   Jaguar     90      6000.0       both
Python

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

登录

注册