如何在2个数据框之间的2列中找到具有相同值但在其他列pandas中具有不同值的行

Question

我有 2 个数据框，示例值如下：

df1 :
col1 cold2 cold3 cold4
a     bb    cc    d
b     aa    ee    e


df2 :
col1 cold2 cold3 col4
a    ee    ff    d
e    gg    hh    k

我想找到 2 个数据帧中的所有行在 col1+col4 中具有相同的值，但在 col2 或 col3 中具有不同的值

输出应该是这样的：

df3:
col1 cold2 cold3 cold4
a     bb    cc    d
a     ee    ff    d

感谢您的帮助。

Answer 1

这是使用duplicated 和drop_duplicates 的解决方案。您首先必须连接两个数据框，您必须确保列名相同。

如果您的列名在df1 和df2 中实际匹配，请执行以下操作：

new_df = (pd.concat([df1,df2])[pd.concat([df1,df2])
                             .duplicated(subset=['col1','cold4'], keep=False)]
           .drop_duplicates(subset=['cold2', 'cold3']))

返回：

>>> new_df

  col1 cold2 cold3 cold4
0    a    bb    cc     d
0    a    ee    ff     d

如果您需要重命名df2 中的列以匹配df1 的列名，而无需修改原始数据框，您只需添加此步骤即可：

concat_dfs = pd.concat([df1, df2.rename(columns={i2:i1 for i1,i2
                                         in zip(df1.columns,df2.columns)})])

new_df = (concat_dfs[concat_dfs.duplicated(subset=['col1', 'cold4'], keep=False)]
           .drop_duplicates(subset=['cold2', 'cold3']))

Answer 2

我认为你可以使用：

#get all matched rows by columns
df = df1.merge(df2, on=['col1','col4'], suffixes=('','_'))
#filter for not matched  
df = df[df['col2'] != df['col3']]

#filter columns - same like df1
df1 = df[df1.columns]
#filter added new columns
df2 = df[df.columns.difference(df2.columns).union(['col1','col4'])]

#join together - rename values for align data 
df = pd.concat([df1, 
                df2.rename(columns=dict(zip(df2.columns, df1.columns)))],
                ignore_index=True)
print (df)
  col1 col2 col3 col4
0    a   bb   cc    d
1    a   ee   ff    d