比较具有相同值的数据帧

Question

我已经从 csv 文件生成了 2 个数据帧：

一个包含一列单词和一列它们在文章中的出现（在 df 中保存为类型：object
一个包含与上面相同但有不同的词和这些词的不同出现（一些词在两个 df 中列出）

以下是 df 的外观（两者构建相同）：

              word  occurance
0            labor          4
1      predictions          2
2              nfl          2
3             kids          2
4           africa          2
5         pandemic          2
6             kara          2
7             days          2
8          swisher          2
9            event          2
10             day          2
11        football          2
12          office          2
13              us          2
14        politics          2
15           media          2
16        abortion          2
17         preview          2
18           music          2
19           texas          2
20           south          2
21         workers          2
22            anti          1
23         sanders          1
24        movement          1
25          bernie          1
26          budget          1

我如何检查第二个 df 中的单词是否也出现在第一个 df 中，如果匹配，则添加第一个和第二个 df 中的出现次数，以便在其中保存总分（出现次数）程序末尾的第一个df?

提前致谢

Answer 1

以数据帧 first 和 second 为例。

先

first = pd.DataFrame({"word": ["A", "B", "C", "D"], "occurrence": [1, 2, 3, 4]})

    word  occurrence
0      A           1
1      B           2
2      C           3
3      D           4

秒

second = pd.DataFrame({"word": ["A", "B", "Y", "Z"], "occurrence": [6, 2, 4, 1]})

    word  occurrence
0      A           6
1      B           2
2      Y           4
3      Z           1

最终数据帧

因为只有 first 中出现的单词需要与 second 中出现的单词相加，所以使用左连接并计算出现次数的总和。

pd.merge(first, second, how="left", on=["word"]) \
    .set_index(["word"]) \
    .sum(axis=1).astype(int) \
    .reset_index(name="occurrence")

    word  occurrence
0      A           7
1      B           4
2      C           3
3      D           4

比较具有相同值的数据帧

Comparing dataframes for same values

python

dataframe

comparison