时间戳

首页 > 解决方案 > 按列标题排列 DataFrame 列

python - 按列标题排列 DataFrame 列

问题描述

我有两个熊猫数据框，每个数据框的大小都不同，每条记录超过 100 万条。我希望比较这两个数据框并找出差异。

数据帧A

ID   Name    Age  Sex
1A1  Cling   21    M
1B2  Roger   22    M
1C3  Stew    23    M

数据帧B

ID   FullName   Gender  Age
1B2  Roger       M       21
1C3  Rick        M       23
1D4  Ash         F       21

DataFrameB 的记录总是比 DataFrameA 多，但在 DataFrameA 中找到的记录可能不在 DataFrameB 中。DataFrameA 和 DataFrameB 中的列名不同。我将映射存储在不同的数据框中。

映射数据框

DataFrameACol   DataFrameBCol
ID               ID
Name             FullName
Age              Age
Sex              Gender

我希望比较这两者并在结果旁边添加一列。

数据帧 A 的列名称加法器 = "_A_Txt"

数据帧 B 的列名称加法器 = "_B_Txt"

预期输出

ID   Name_A_Txt FullName_B_Text   Result_Name   Age_A_Txt  Age_B_Txt   Result_Age     
1B2  Roger           Roger          Match        ...        ...
1C3  Stew            Rick           No Match     ...        ...

列名应在此之前添加文本。

我目前正在使用 For 循环来构建这个逻辑。但是 100 万条记录需要很长时间才能完成。我让程序运行了 50 多分钟，但它并没有实时完成，我正在为 100 多个列构建它。

我将为这个问题打开赏金并奖励赏金，即使在打开它作为奖励之前回答了这个问题。因为，我一直在为使用 For 循环迭代的性能而苦苦挣扎。

要从 DataFrameA 和 DataFrameB 开始，请使用以下代码，

import pandas as pd

d = {
     'ID':['1A1', '1B2', '1C3'], 
     'Name':['Cling', 'Roger', 'Stew'],
     'Age':[21, 22, 23], 
     'Sex':['M', 'M', 'M']
     }

DataFrameA = pd.DataFrame(d)

d = {
     'ID':['1B2', '1C3', '1D4'], 
     'FullName':['Roger', 'Rick', 'Ash'],
     'Gender':['M', 'M', 'F'], 
     'Age':[21, 23, 21]
     }

DataFrameB = pd.DataFrame(d)

我相信，这个问题与 Coldspeed 提供的建议（连接定义）有点不同，因为这还涉及查看不同的列名并添加一个新的结果列。此外，列名需要在结果端进行转换。

OutputDataFrame 如下所示，

为了更好地理解读者，我将列名按顺序排列在行中

Col 1 -  ID (Coming from DataFrameA)
Col 2 -  Name_X (Coming from DataFrameA)
Col 3 -  FullName_Y (Coming from DataFrameB)
Col 4 -  Result_Name (Name is what is there in DataFrameA and this is a comparison between Name_X and FullName_Y)
Col 5 -  Age_X (Coming from DataFrameA)
Col 6 -  Age_Y (Coming From DataFrameB)
Col 7 -  Result_Age (Age is what is there in DataFrameA and this is a result between Age_X and Age_Y)
Col 8 -  Sex_X (Coming from DataFrameA)
Col 9 -  Gender_Y (Coming from DataFrameB)
Col 10 - Result_Sex (Sex is what is there in DataFrameA and this is a result between Sex_X and Gender_Y)

标签： pythonpandasdataframe

解决方案

m = list(mapping_df.set_index('DataFrameACol')['DataFrameBCol']
                   .drop('ID')
                   .iteritems())
m[m.index(('Age', 'Age'))] = ('Age_x', 'Age_y')
m 
# [('Name', 'FullName'), ('Age_x', 'Age_y'), ('Sex', 'Gender')]

从内部开始merge：

df3 = (df1.merge(df2, how='inner', on=['ID'])
          .reindex(columns=['ID', *(v for V in m for v in V)]))

df3
    ID   Name FullName  Age_x  Age_y Sex Gender
0  1B2  Roger    Roger     22     21   M      M
1  1C3   Stew     Rick     23     23   M      M

现在，比较列并设置值np.where：

l, r = map(list, zip(*m))
matches = (df3[l].eq(df3[r].rename(dict(zip(r, l)), axis=1))
                 .add_prefix('Result_')
                 .replace({True: 'Match', False: 'No Match'}))

for k, v in m:
    name = f'Result_{k}'
    df3.insert(df3.columns.get_loc(v)+1, name, matches[name])


df3.columns
# Index(['ID', 'Name', 'FullName', 'Result_Name', 'Age_x', 'Age_y',
#        'Result_Age_x', 'Sex', 'Gender', 'Result_Sex'],
#       dtype='object')

df3.filter(like='Result_')

  Result_Name Result_Age_x Result_Sex
0       Match     No Match      Match
1    No Match        Match      Match

推荐阅读