Python Pandas：在一个数据帧中创建新列，其值基于另一个数据帧中的匹配键

我有两个数据帧，第一个数据帧有两列，假设是键和值，第二个数据帧只包含键，我想在第二个数据帧中添加一个新列。该列的值应该是第一个数据帧中匹配键的值

df = pd.DataFrame({'vi' : ['a','b','c','d','e'],'s':[2,5,7,0,1]})  
tf = pd.DataFrame({'vi' : ['b','d','c','a','e']})    
df    

vi  s  
 a  2  
 b  5  
 c  7  
 d  0  
 e  1  

tf  

vi    
 b  
 d  
 c  
 a  
 e  

result tf  

vi  s  
 b  5  
 d  0  
 c  7  
 a  2  
 e  1

您可以使用

tf.merge（df）

使用

df

使用

tf.merge（df）

，示例结果如下：

In [1]: import pandas as pd

In [2]: df = pd.DataFrame({'vi' : ['a','b','c','d','e'],'s':[2,5,7,0,1]})  

In [3]: tf = pd.DataFrame({'vi' : ['b','d','c','a','e']}) 

In [4]: tf = tf.merge(df)

In [5]: tf
Out[5]: 
  vi  s
0  b  5
1  d  0
2  c  7
3  a  2
4  e  1

这是您想要的结果。

您可以使用

tf
df
使用
tf.merge（df）
，示例结果如下：

In [1]: import pandas as pd

In [2]: df = pd.DataFrame({'vi' : ['a','b','c','d','e'],'s':[2,5,7,0,1]})  

In [3]: tf = pd.DataFrame({'vi' : ['b','d','c','a','e']}) 

In [4]: tf = tf.merge(df)

In [5]: tf
Out[5]: 
  vi  s
0  b  5
1  d  0
2  c  7
3  a  2
4  e  1

这是您想要的结果。
将列追加到数据帧时，行索引由索引确定

您可以使用

df = pd.DataFrame({'s':[2,5,7,0,1]})  
df.index = ['a','b','c','d','e']

默认情况下，索引是从0到N-1的整数范围。
将列追加到数据帧时，行索引由索引确定

您可以使用

df = pd.DataFrame({'s':[2,5,7,0,1]})  
df.index = ['a','b','c','d','e']

默认情况下，索引是从0到N-1的整数范围。
合并时，您希望指定
left
，以确保
tf
中的所有值都包含在新数据帧中。由于两个数据帧的键列名称相同，请指定
on='vi'

df = pd.DataFrame({'vi': ['a', 'b', 'c', 'd', 'e', 'z'],
                   's': [2, 5, 7, 0, 1, 10]})  
tf = pd.DataFrame({'vi': ['b', 'd', 'c', 'a', 'e', 'f']})

>>> tf.merge(df, how='left', on='vi')
  vi   s
0  b   5
1  d   0
2  c   7
3  a   2
4  e   1
5  f NaN

我将两个数据集扩展了一个非唯一值。请注意上面的结果与简单合并的不同之处，简单合并默认情况下进行内部联接

>>> tf.merge(df)
  vi  s
0  b  5
1  d  0
2  c  7
3  a  2
4  e  1

合并时，您需要指定
left
，以确保
tf
中的所有值都包含在新的数据帧中。由于两个数据帧的键列名称相同，请指定
on='vi'

df = pd.DataFrame({'vi': ['a', 'b', 'c', 'd', 'e', 'z'],
                   's': [2, 5, 7, 0, 1, 10]})  
tf = pd.DataFrame({'vi': ['b', 'd', 'c', 'a', 'e', 'f']})

>>> tf.merge(df, how='left', on='vi')
  vi   s
0  b   5
1  d   0
2  c   7
3  a   2
4  e   1
5  f NaN

我将两个数据集扩展了一个非唯一值。请注意上面的结果与简单合并的不同之处，简单合并默认情况下进行内部联接

>>> tf.merge(df)
  vi  s
0  b  5
1  d  0
2  c  7
3  a  2
4  e  1