尝试将一个数据框中的值与另一个数据框中的值匹配 (python)

Trying to match values in one data frame to values in another data frame (python)

我目前有一个数据框 A,其中包含一列 (code1) 国家代码,例如 CA、RU、US 等。我有另一个数据框 B,它有 3 列,其中第一列包含所有可能的国家代码,第二个有经度值,第三个有纬度值。我试图遍历 A,在第一列中获取第一个国家代码,将其与 B 第一列中的国家代码匹配,然后获取该国家的相关经度和纬度等等。我计划创建一个新的数据框,其中包含来自 A(第一列)的代码以及新提取的经度和纬度值。

到目前为止我的函数如下所示

def get_coords():
    for i in range(len(A["code1"])):
        for j in range(len(B["code"])):
            if A["code1"[i] = B["code"[j]: #if the country codes match
                latitude = B["lat"][j] #gets the latitude of the matched country code
                longitude = B["long"][j] #gets the longitude

但是,这似乎效率低下,我不确定它是否正确匹配数据帧中的代码。有没有更好的方法来实现我想要实现的目标?

供参考len(A["code1"]) = 581len(B["code"] = 5142

这是一个数据输入示例:

A = pd.DataFrame({'code1': ['US', 
                   'RU', 'AO', 'ZW']})

B = pd.DataFrame({'code': ['US', 'ZW', 'RU', 'YE', 'AO'], 
                   'long': [65.216000, 65.216000,18.500000,-63.032000,19.952000], 'lat': [12.500000, 33.677000,-12.500000,18.237000,60.198000]})

我想让输出看起来像

A = pd.DataFrame({'code1': ['US', 'RU', 'AO', 'ZW'], 'longitude':[65.216000,18.500000, 19.952000, 65.216000], 'latitude': [12.500000, -12.500000, 60.198000, 33.677000]})

使用 pd.merge 并指定要合并的 left_on 列以及 right_on 列,因为您要合并的两列具有不同的列名。然后,.drop 您不需要的多余列。

A = pd.merge(A,B,how='left',left_on='code1',right_on='code').drop(['code'], axis=1)

输出:

    code1   long        lat
0   US      65.216      12.500
1   RU      18.500      -12.500
2   AO      19.952      60.198
3   ZW      65.216      33.677
n [108]: A = pd.DataFrame({'code1': ['US',
     ...:                    'RU', 'AO', 'ZW']})

In [109]: B = pd.DataFrame({'code': ['US', 'ZW', 'RU', 'YE', 'AO'],
     ...:                    'long': [65.216000, 65.216000,18.500000,-63.032000,19.952000], 'lat': [12.500000, 33.67700
     ...: 0,-12.500000,18.237000,60.198000]})

In [110]: A.rename({"code1":"code"},axis=1,inplace=True)

In [111]: A = pd.merge(A,B, on="code").rename({"code":"code1"},axis=1)

In [112]: A
Out[112]:
  code1    long     lat
0    US  65.216  12.500
1    RU  18.500 -12.500
2    AO  19.952  60.198
3    ZW  65.216  33.677