查找列中的值是否在另一列中

Question

我有住房地址和邮政编码数据，我想查看它是否存在于另一个表的另一列中。

我有两个 Excel 表，我上传到 Python，表 A 和表 B。我想从表 A 的第 1 列 (house_address) 和第 2 列 (zip) 中获取每个值，并使用 for 循环查看是否值在表 B 的第 1 列（full_address）中。

表 A：

house_address	zip
124 HOUSE LANE	12345
123 home ln	54321

表 B：

house_address	zip	property_size	full_address
124 HOUSE LANE	12345	1000	124 HOUSE LANE 12345
123 home ln	54321	2000	123 home ln 54321
987 strawberry rd	11111	3000	987 strawberry rd 11111

我的代码是：

# upload tables
table_a = pd.read_excel('table_a.xlsx')
table_b = pd.read_excel('table_b.xlsx')

# create a list from table b and table b of the full_address column for matching purposes
full_address_table_b = list(table_b['full_address'])


# for loop checks if the address is already in my table_B. If it is return the information to # the end user. If it is not then move on to the else statement which will do something else
for i in range(len(table_a)):

    
    # create a concat list of table a full address
    full_address_table_a = str(table_a['house_address']) + " " + str(table_b['zip'])

    # check if the address is already in our dataset
    if table_b.loc[table_b['full_address'].str.contains(full_address_table_a, case=False)]:

        # if it is, then just print the info from table b
        print(housing_df[housing_df['full_address'] == full_address_test])

    # else run another piece of code
    else:
        print("run this part of the code")

当我运行上面的代码时，我得到以下错误：

ValueError：DataFrame 的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()

我想知道是否有人知道我在这里做错了什么。也可能还有一种更有效的方法来创建上述代码，因此欢迎提出更高效代码的建议。

Answer 1

如果问题的严重程度，您可以简单地合并它们以查看哪些值是常见的：

table_a.merge(table_b, on = ['house_address', 'zip'])

结果：

house_address   zip property_size   full_address
0   124 HOUSE LANE  12345   1000    124 HOUSE LANE 12345
1   123 home ln 54321   2000    123 home ln 54321

如果您想具体查看哪些仅在 table_a 或 table_b 或两者中，请传递一个指标，然后根据需要过滤掉：

table_a.merge(table_b, on = ['house_address', 'zip'], how = 'outer', indicator = True)

结果：

house_address   zip property_size   full_address    _merge
0   124 HOUSE LANE  12345   1000    124 HOUSE LANE 12345    both
1   123 home ln 54321   2000    123 home ln 54321   both
2   987 strawberry rd   11111   3000    987 strawberry rd 11111 right_only

Answer 2

如果你不想使用for 循环，你可以这样做：

df1['full_address'] = df1['house_address'].astype(str) + " " df1['zip'].astype(str)
first_list = df1['house_address'].unique().tolist()
second_list = df2['house_address'].unique().tolist()

common_houses = [house for house in first_list if house in second_list] 

那么要查看2之间全地址匹配的完整数据，可以这样做：

common_houses_df = df2[df2['full_address'].isin(common_houses)]

这将为您提供包含 2 个文件中的公共地址的完整数据集。