主页 / 问题 / 747562
Accepted
AivanF.
Asked:2020-11-21 18:07:49 +0000 UTC2020-11-21 18:07:49 +0000 UTC

Pandas：与 OR 逻辑合并

  • 772

如何在Pandas 'e 中通过逻辑运算OR对多个字段的表进行内部联合？就像SQL中的表达式中的条件？该功能允许您只获得几个字段的完全匹配（即逻辑与操作）。ONJOINmerge

例子。有dataframedf1和df2，它们有两个共同的字段A和B，需要根据条件合并df1.A = df2.A OR df1.B = df2.B表中的信息df1被认为具有较高的优先级，即如果匹配只出现在一个字段（A或B）中，那么第二个的值取自df1。

df1：

#    A    B        C
0    104  peter    28
1    228  andre    10
2    89   paul     17
3    219  saul     14

df2：

#    A    B
0    104  jessy
1    230  andre
2    219  saul
3    126  amy

结果：

#    A    B        C
0    104  peter    28
1    228  andre    10
2    219  saul     14
python

2 个回答

  1. Best Answer

    对于简单的过滤，有一个更简单的解决方案：

    In [12]: df1.query("A in @df2.A or B in @df2.B")
Out[12]:
     A      B   C
0  104  peter  28
1  228  andre  10
3  219   saul  14

    或者

    In [17]: df1.loc[(df1['A'].isin(df2['A'])) | (df1['B'].isin(df2['B']))]
Out[17]:
     A      B   C
0  104  peter  28
1  228  andre  10
3  219   saul  14
    • 4

  2. 不幸的是，Pandas 没有用于此类操作的内置功能。为了得到想要的结果，我们需要根据想要的参数对dataframes进行独立的合并，然后把表格变成单一的格式，去掉重复，合并成最终的表格：

    # объединяем по полю А
mix1 = pd.merge(df1, df2, how='inner', on=['A'])
# приводим таблицы к единому виду
mix1['B'] = mix1['B_x']
mix1.drop('B_x', axis=1, inplace=True)
mix1.drop('B_y', axis=1, inplace=True)


# объединяем по полю В
mix2 = pd.merge(df1, df2, how='inner', on=['B'])
# избавляемся от дубликатов (*)
mix2 = mix2.loc[mix2['A_x'] != mix2['A_y']]
# приводим таблицы к единому виду
mix2['A'] = mix2['A_x']
mix2.drop("A_x", axis=1, inplace=True)
mix2.drop("A_y", axis=1, inplace=True)


# конкатенация в итоговый датафрейм с новой нумерацией строк
result = pd.concat([mix1, mix2], ignore_index=True)

    (*) 关于重复。按字段 A 合并数据帧会给出 A 相等的两个表共有的行，它们还包括 A 和 B 相等的行。类似地，由 B 合并将给出具有公共 A 和 B 的行。因此，连接这两个表将给出重复rows ，其中 A 和 B 相等。因此，在第二个表中进行过滤，结果只保留具有相等 B 而不是 A 的行，并且结果表具有三个必要组合的副本：

    A_ |  AB
--------
__ |  _B
    • 1

相关问题