检查其他 Dataframe 上是否存在值
check the existence of value on other Dataframe
我有两个数据框 F1 和 F2,其中包含列 id1、id2。
F1 包含两列 F1[id1,id2]
.
F2 包含三列 [id1,id2,Description]
我想测试 F2['id1']
是否存在于 F1['id1']
或 F2['id2']exists in
F1['id2'] 中,然后我必须在 F1 中添加一个带有描述的列F2` 中的这个 id1 或 id2。
F1 和 F2 的内容是 are HERE. The Output That im attending on F1 is also HERE
我像这样创建了 F1 和 F2
F1 = {'id1': ['x22', 'x13','NaN','x421'],'id2':['NaN','223','788','NaN']}
F1 = pd.DataFrame(data=F1)
F2 = {'id1': ['x22', 'NaN','NaN','x413','x421'],'id2':['NaN','223','788','NaN','233'],'Description':['California','LA','NY','Havnover','Munich']}
F2 = pd.DataFrame(data=F2)
实际上我尝试了几种解决方案。但没有什么能帮助我做到这一点。
请帮忙
使用:
#if necessary replace string NaN to missing values
F1 = F1.replace('NaN', np.nan)
F2 = F2.replace('NaN', np.nan)
对于每列删除重复项 DataFrame.drop_duplicates
, missing valeus by DataFrame.dropna
and create index by id
column by DataFrame.set_index
:
s1 = F2.drop_duplicates('id1').dropna(subset=['id1']).set_index('id1')['Description']
s2 = F2.drop_duplicates('id2').dropna(subset=['id2']).set_index('id2')['Description']
然后使用Series.map
by columns from F1
with Series.combine_first
:
F1['Description'] = F1['id1'].map(s1).combine_first(F1['id2'].map(s2))
print (F1)
id1 id2 Description
0 x22 NaN California
1 x13 223 LA
2 NaN 788 NY
3 x421 NaN Munich
我有两个数据框 F1 和 F2,其中包含列 id1、id2。
F1 包含两列 F1[id1,id2]
.
F2 包含三列 [id1,id2,Description]
我想测试 F2['id1']
是否存在于 F1['id1']
或 F2['id2']exists in
F1['id2'] 中,然后我必须在 F1 中添加一个带有描述的列F2` 中的这个 id1 或 id2。
F1 和 F2 的内容是 are HERE. The Output That im attending on F1 is also HERE
我像这样创建了 F1 和 F2
F1 = {'id1': ['x22', 'x13','NaN','x421'],'id2':['NaN','223','788','NaN']}
F1 = pd.DataFrame(data=F1)
F2 = {'id1': ['x22', 'NaN','NaN','x413','x421'],'id2':['NaN','223','788','NaN','233'],'Description':['California','LA','NY','Havnover','Munich']}
F2 = pd.DataFrame(data=F2)
实际上我尝试了几种解决方案。但没有什么能帮助我做到这一点。 请帮忙
使用:
#if necessary replace string NaN to missing values
F1 = F1.replace('NaN', np.nan)
F2 = F2.replace('NaN', np.nan)
对于每列删除重复项 DataFrame.drop_duplicates
, missing valeus by DataFrame.dropna
and create index by id
column by DataFrame.set_index
:
s1 = F2.drop_duplicates('id1').dropna(subset=['id1']).set_index('id1')['Description']
s2 = F2.drop_duplicates('id2').dropna(subset=['id2']).set_index('id2')['Description']
然后使用Series.map
by columns from F1
with Series.combine_first
:
F1['Description'] = F1['id1'].map(s1).combine_first(F1['id2'].map(s2))
print (F1)
id1 id2 Description
0 x22 NaN California
1 x13 223 LA
2 NaN 788 NY
3 x421 NaN Munich