在两个数据框之间查找相等的列

Question

我有两个 pandas 数据框，a 和 b：

a1   a2   a3   a4   a5   a6   a7
1    3    4    5    3    4    5
0    2    0    3    0    2    1
2    5    6    5    2    1    2

和

b1   b2   b3   b4   b5   b6   b7
3    5    4    5    1    4    3
0    1    2    3    0    0    2
2    2    1    5    2    6    5

这两个数据框包含完全相同的数据，但顺序不同，列名也不同。根据两个数据框中的数字，我希望能够将a 中的每个列名与b 中的每个列名匹配。

这并不像简单地将a 的第一行与b 的第一行进行比较那样简单，因为存在重复值，例如a4 和a7 都有值5 所以它无法立即将它们与b2 或b4 匹配。

最好的方法是什么？

Answer 1

这是一种利用broadcasting 检查两个数据帧之间是否相等并在结果上使用all 来检查所有行匹配位置的方法。然后我们可以从np.where 的结果中获得两个数据框列名的索引数组（@piR 的贡献）：

i, j = np.where((a.values[:,None] == b.values[:,:,None]).all(axis=0))
dict(zip(a.columns[j], b.columns[i]))
# {'a7': 'b2', 'a6': 'b3', 'a4': 'b4', 'a2': 'b7'}

Answer 2

这是使用sort_values的一种方式：

m=df1.T.sort_values(by=[*df1.index]).index
n=df2.T.sort_values(by=[*df2.index]).index
d=dict(zip(m,n))
print(d)

---

{'a1': 'b5', 'a5': 'b1', 'a2': 'b7', 'a3': 'b6', 'a6': 'b3', 'a7': 'b2', 'a4': 'b4'}

Answer 3

merge的一种方式

s=df1.T.reset_index().merge(df2.T.assign(match=lambda x : x.index))
dict(zip(s['index'],s['match']))
{'a1': 'b5', 'a2': 'b7', 'a3': 'b6', 'a4': 'b4', 'a5': 'b1', 'a6': 'b3', 'a7': 'b2'}

Answer 4

字典理解

使用列值的tuple 作为字典中的可散列键

d = {(*t,): c for c, t in df2.items()}
{c: d[(*t,)] for c, t in df1.items()}

{'a1': 'b5',
 'a2': 'b7',
 'a3': 'b6',
 'a4': 'b4',
 'a5': 'b1',
 'a6': 'b3',
 'a7': 'b2'}

以防万一我们没有完美的表示，我只为存在匹配的列生成字典。

d2 = {(*t,): c for c, t in df2.items()}
d1 = {(*t,): c for c, t in df1.items()}

{d1[c]: d2[c] for c in {*d1} & {*d2}}

{'a5': 'b1',
 'a2': 'b7',
 'a7': 'b2',
 'a6': 'b3',
 'a3': 'b6',
 'a1': 'b5',
 'a4': 'b4'}

---

idxmax

这近乎荒谬...不要真的这样做。

{c: df2.T.eq(df1[c]).sum(1).idxmax() for c in df1}

{'a1': 'b5',
 'a2': 'b7',
 'a3': 'b6',
 'a4': 'b4',
 'a5': 'b1',
 'a6': 'b3',
 'a7': 'b2'}