用相似的字符串Python在两列上加入两个数据框

Question

我有两个数据框（df1 和 df2），我想使用两列“州”（即阿肯色州）和“县”（即联合）进行合并。 （Union 是阿肯色州的一个县）。

df1 和 df2 需要匹配“州”和“县”，但 df2 的县名带有附加字符串（即 Woodmont County Borough），而 df1 县名（即 Woodmont）中没有。

我该怎么做才能将这两个数据框与县的不同表示形式合并？我有很多县名。

Answer 1

首先，获取 df1 中“县”的列表

然后，在 df2 中创建一个新列，如果在 df2.County 中找到 County_list 中的县，则将其存储在我们称为 County_cleaned 的新列中

然后对于county_list中的每个县，如果它出现在df2['County']中，则将其放入新创建的County_cleaned中

现在，您可以使用 df2 中新创建的列将 df1 和 df2 合并在一起（我们称之为 df3）：

# get a list of the counties in df1
county_list = df1.County.unique()

#initialise a new column to empty string
df2['County_cleaned'] = ''

#for each of the counties in df1, if a county from df1 appears 
#somewhere in the df2.County, then add it to the newly created 
#column called County_cleaned 
for c in county_list:
    df2.loc[df2['County'].str.contains(c), 'County_cleaned']=c

#merge the 2 dataframes to create df3
df3 = df1.merge(df, how='inner', left_on=['State','County'], right_on=['State', 'County_cleaned')

注意：我设置了 how='inner' 但这也可以是 'outer','left','right'，具体取决于连接的类型。