比较两个不同数据框的两列

Question

最近，我从matlab切换到python和pandas。它一直在努力，但我坚持有效地解决以下问题。对于我的分析，我不得不dataframes看起来有点像这样：

dfA = 
    NUM  In  Date 
0 2345 we 1 01/03/16 
1 3631 we 1 23/02/16 
2 2564 we 1 12/02/16 
3 8785 sz 2 01/03/16 
4 4767 dt 6 01/03/16 
5 3452 dt 7 23/02/16 
6 2134 sz 2 01/03/16 
7 3465 sz 2 01/03/16 

和

dfB 
    In Count_Num 
0 we 1   3 
1 sz 2   2 
2 dt 6   3 
3 dt 7   1 

我想表演的是，总结所有的“民”为人人“在”操作在dfA中，并将其与dfB中的“Count_num”进行比较。之后，如果比较结果为True或False，我想向dfB添加一列以返回。在上面的例子中，操作应返回此：

dfB 
    In Count_Num Check 
0 we 1   3 True 
1 sz 2   2 False 
2 dt 6   1 True 
3 dt 7   1 True 

我的方法：

随着value_counts（）和pd.DataFrame，我从DFA DFC =

In_Number  In_Total 
0  we 1    4 
1  sz 2    3 
2  dt 6    1 
3  dt 7    1 

构造下面DFC

然后，我将它与dfB合并，以便通过比较dfB中的列来确定值是否相同。在这种情况下，我必须结束删除列。有没有更好/更快的方法来做到这一点？我认为有一种方法可以非常有效地完成熊猫的一项重要功能。我试图查看lookup和map，但我无法使它工作。

感谢您的帮助！

Answer 1

您可以通过In列尝试mergedfB和dfA与groupby和count，然后进行比较合并列和最后drop列NUM添加新列check：

print dfA 
    NUM In  Date 
0 2345 we 1 01/03/16 
1 3631 we 1 23/02/16 
2 2564 we 1 12/02/16 
3 8785 sz 2 01/03/16 
4 4767 dt 6 01/03/16 
5 3452 dt 7 23/02/16 
6 2134 sz 2 01/03/16 
7 3465 sz 2 01/03/16 

print dfB 
    In Count_Num 
0 we 1   3 
1 sz 2   2 
2 dt 6   3 
3 dt 7   1 

print dfA.groupby('In', as_index=False)['NUM'].count() 
    In NUM 
0 dt 6 1 
1 dt 7 1 
2 sz 2 3 
3 we 1 3 

df = pd.merge(dfB, dfA.groupby('In', as_index=False)['NUM'].count(), on=['In']) 
print df 
    In Count_Num NUM 
0 we 1   3 3 
1 sz 2   2 3 
2 dt 6   3 1 
3 dt 7   1 1 

df['check'] = df['NUM'] == df['Count_Num'] 
df = df.drop('NUM', axis=1) 
print df 
    In Count_Num check 
0 we 1   3 True 
1 sz 2   2 False 
2 dt 6   3 False 
3 dt 7   1 True 

或者你可以使用rename without drop：

df = pd.merge(dfB, dfA.groupby('In', as_index=False)['NUM'].count(), on=['In']) 
print df 
    In Count_Num NUM 
0 we 1   3 3 
1 sz 2   2 3 
2 dt 6   3 1 
3 dt 7   1 1 

df['NUM'] = df['NUM'] == df['Count_Num'] 
df = df.rename(columns={'NUM':'Check'}) 
print df 
    In Count_Num Check 
0 we 1   3 True 
1 sz 2   2 False 
2 dt 6   3 False 
3 dt 7   1 True