在不同的数据框中查找列值存在

Question

我有 2 个数据框，其中包含 user_id 属于特定用户的用户活动。我需要根据某些条件在第二个数据帧上填充一个新列。这是一个例子

df1 是一个包含 user_id 和 date1 列的数据框

user_id  date1
 1       2019-07-01
 2       2019-08-04
 1       2019-08-06
 3       2019-09-03

df2 是另一个以 user_id 和 date2 为列的数据框

user_id  date2
  1     2019-07-02
  1     2019-07-03
  2     2019-08-03
  3     2019-08-04

两个数据帧都有不同的行数，对于每个用户，两个数据帧中都存在多行。

对于 df2 中的每一行，“Present_df1”列需要根据 df1 中 user_id 的相等性和日期之间的不等式条件来填充，比如 date2>date1

所以对于df2中的每一行，如果user_id和date2>date1的组合满足，我们可以把它设为1。

尝试了以下方法，但似乎不起作用：

(df2.user_id.isin(df1.user_id) & df2.date2>df1.date1).astype(int)

我来自 SQL 背景，在那里它似乎更容易可视化，但在 pandas 中我发现它很难概念化。合并选项产生一个大的笛卡尔积，所以不是一个好的思考方法

Answer 1

请注意，对于 df2 中的特定 user_id 可以有 df1 中有 多个 行与匹配的 user_id。

所以要决定 any 或 all 这些行是否有 data1 （我假设“任何”情况）。

要完成您的任务，请运行：

df2['Present_df1'] = df2.apply(lambda row:
    df1[df1.user_id.eq(row.user_id)]\
    .date1.lt(row.date2).any().astype(int), axis=1)

结果是：

   user_id      date2  Present_df1
0        1 2019-07-02            1
1        1 2019-07-03            1
2        2 2019-08-03            0
3        3 2019-08-04            0

如果您改变主意 df1 中的 all 匹配行应该 如果有更早的日期，请将 any() 更改为 all()。