Python 基于条件连接数据集

我有三个数据集，它们的列名称相同，但数据不同

Dataset 1

Date              Full Name           Texts         Country            Read
02/05/2017      Jack Smith       Grey ranks...        UK               True  
02/05/2017      Mary Jane        Once upon a time    France            False
...
24/06/2019     Luke Martyn       Bottled...          USA               True

对于另一个数据集2也是如此

Date              Full Name           Texts         Country            Read
02/05/2017      Jack Smith       The story ...        UK               True  
04/05/2017      Mary Jane        She saw ...         France            False
...
12/03/2019     Chris Martyn       From Mexico ...     Mexico           False

数据集3

Date              Full Name           Texts         Country            Read
23/02/2017      Jack Smith          They said  ...        UK               True  
01/05/2017      Martin O'Connell    When I was young ...  Ireland          True
...
14/07/2018     Laura Cross          My family ...         Italy            True

我想从这些数据集中获得以下信息：

• 唯一/不同的名称，即未包含在一个或多个数据集中的名称（但在这种情况下，我想知道是否可能知道它们包含在/缺少的数据集中）
• 通用名称，即所有三个数据集中或其中两个数据集中的名称（同上）

有些人在所有三个数据集中；有些人则不然。当然，如果人们是一样的，我有相同的国家信息，但不同的文本。我可能应该加入这三个数据集中，看看这三个数据集中有哪些唯一的名称，以及它们的不同之处。而且，是的，可能需要创建一个新列来获取有关数据集的信息，该数据集包括或不包含名称

我知道如何无条件地连接这三个数据集。

---

但是，我需要根据一个条件获取上述信息，例如，当

Read=True

IIUC时，您可以使用

concat

和

键来列出您的源数据帧，然后只需简单命名聚合
groupby
.agg

df = (
    pd.concat([df1, df2, df3], keys=["df1", "df2", "df3"])
    .reset_index(0)
    .rename(columns={"level_0": "key"})
)


df.groupby(['Full Name']).agg(name_occurance=('key','count'),
                             source=('key',','.join))

                  name_occurance       source
Full Name                                    
Chris Martyn                   1          df2
Jack Smith                     3  df1,df2,df3
Laura Cross                    1          df3
Luke Martyn                    1          df1
Martin O'Connell               1          df3
Mary Jane                      2      df1,df2

IIUC，您可以使用
concat
和
键来列出源数据帧，然后只需简单命名聚合
groupby
.agg

df = (
    pd.concat([df1, df2, df3], keys=["df1", "df2", "df3"])
    .reset_index(0)
    .rename(columns={"level_0": "key"})
)


df.groupby(['Full Name']).agg(name_occurance=('key','count'),
                             source=('key',','.join))

                  name_occurance       source
Full Name                                    
Chris Martyn                   1          df2
Jack Smith                     3  df1,df2,df3
Laura Cross                    1          df3
Luke Martyn                    1          df1
Martin O'Connell               1          df3
Mary Jane                      2      df1,df2

这回答了你的问题吗@新手，我已经看过了，它非常有用。但我想知道如何根据条件加入数据集。这是否回答了您的问题@新手，我已经看过了，它非常有用。但我想知道如何根据条件加入数据集。非常感谢@datanearo。关于条件（Read=True），它已经包含在你的代码中了，还是我应该设置它？@Math你是说
df[df['Read']='True'].groupby（['Full Name']）.agg（Name_occurrence=（'key'，'count'），source=（'key'，'join））
非常感谢@datanoveler。关于条件（Read=True），它已经包含在你的代码中了，还是我应该设置它？@Math你是说
df[df['Read']='True'].groupby（['Full Name']）.agg（Name_occurance=（'key'，'count'），source=（'key'，'join））