Python 比较并联接两个数据帧中的两列

我有两个具有相同列类型的数据帧

第一个数据帧（df1）

第二数据帧（df2）

预期输出（应删除FTM和LRC）

我尝试过的

Coin     Quantity     selling rate
BTC          2           50000
ETH          1            1500
ADA        100              20
...        ...             ...

df1.merge(df2, how='outer', left_on=['Coin'], right_on=['code_name'])

---

两个代码都没有给我预期的输出。我搜索了StackOverflow，没有找到任何有用的答案。如果存在相关问题，是否有人能给出解决方案或将此问题复制？

您需要的是内部连接，而不是外部连接。内部联接只保留要联接在一起的两个表中常见的记录

import pandas as pd

# Make the first data frame
df1 = pd.DataFrame({
    'Coin': ['BTC', 'ETH', 'ADA'],
    'Quantity': [2, 1, 100]
})

# Make the second data frame
df2 = pd.DataFrame({
    'code_name': ['BTC', 'FTM', 'ETH', 'LRC', 'ADA'],
    'selling_rate': [50000, 50, 1500, 5, 20]
})

# Merge the data frames via inner join. This only keeps entries that appear in
# both data frames
full_df = df1.merge(df2, how = 'inner', left_on = 'Coin', right_on = 'code_name')

# Drop the duplicate column
full_df = full_df.drop('code_name', axis = 1)

因为

merge（）

对于大型数据集来说速度很慢。我宁愿不使用它，只要我有一个更快的解决方案。因此，我建议如下：

full_df = df1.copy()
full_df['selling_rate'] = list(
    df2['selling_rate'][df2['code_name'].isin(df1['Coin'].unique())])

---

注意：如果

df1

和

df2

与

Coin

和

code\u name

的顺序相同，则这将变成预期的解决方案。如果不是，您应该在上面的代码之前使用

sort\u values（）

。

也许这只是您的示例中的一个输入错误，但是

code\u name

在“我尝试过的”部分中是小写的，但是

code\u name

在您对

df2

的描述中不是完全小写的。对不起，

code\u name

是简单的字母。我对它进行了编辑，只是想弄清楚，您的预期输出是否有

df2

中没有出现在

df1

中的行？换句话说，

LRC

和

FTM

都应该包含在您的预期输出中吗？不，我想从最终结果中删除不相等的行好的建议。我以前没有考虑<代码> SotTyValues（）/<代码>。1.

Coin     Quantity     selling rate
BTC          2           50000
ETH          1            1500
ADA        100              20
...        ...             ...

df1.merge(df2, how='outer', left_on=['Coin'], right_on=['code_name'])

df = np.where(df1['Coin'] == df2['code_name'])

import pandas as pd

# Make the first data frame
df1 = pd.DataFrame({
    'Coin': ['BTC', 'ETH', 'ADA'],
    'Quantity': [2, 1, 100]
})

# Make the second data frame
df2 = pd.DataFrame({
    'code_name': ['BTC', 'FTM', 'ETH', 'LRC', 'ADA'],
    'selling_rate': [50000, 50, 1500, 5, 20]
})

# Merge the data frames via inner join. This only keeps entries that appear in
# both data frames
full_df = df1.merge(df2, how = 'inner', left_on = 'Coin', right_on = 'code_name')

# Drop the duplicate column
full_df = full_df.drop('code_name', axis = 1)

full_df = df1.copy()
full_df['selling_rate'] = list(
    df2['selling_rate'][df2['code_name'].isin(df1['Coin'].unique())])