Python 如何合并和计算两个数据帧？

正在寻找合并以下两个数据帧的帮助

df1:
key     mean    stddev
---     -----   -------
key1    30          3
key2    40          4
key3    50          5

df2:
key     mean    stddev
---     -----   -------
key2    70          7
key3    80          8
key4    90          9

需要合并上述两个数据帧以产生三种不同的结果：

1. Rows that are in df1 but not in df2:


    key      mean     stddev
    ---      -----   -------
    key1     30       3

2. Rows that are in both df1 and df2  (please see the new columns delta_mean(difference of mean), delta_stddev (difference of stddev)

    key    mean_x   stddev   mean_y   stddev_y    delta_mean   delta_stddev
    ---    -----   -------   ------   --------    ---------    -----------
    key2    40          4     70       7            30          3
    key3    50          5     80       8            30          3

此外，我想按delta_平均值对其进行排序

3. Rows that are in df2 but  but not not in df1

key      mean   stddev
---       -----   -------
key4     90          9

---

在第一个和第三个所需输出中，您可以简单地从当前数据帧中筛选另一个数据帧中不存在的键。您需要在第二个选项中进行合并：

1。在df1中但不在df2中的行：

df1[~df1.key.isin（df2.key）]

2。df1和df2中的行

df1.merge（df2，on='key'）

3。在df2中但不在df1中的行

df2[~df2.key.isin（df1.key）]

---

这回答了你的问题吗？在第二种情况下，有额外的列用于计算两个数据帧的平均值和stddev之间的差异。有没有办法在合并操作期间添加这些附加列？您的意思是有其他列要合并？如果是这样，您可以使用

df1.merge（df2，on=['key1'，'key2'，'key'3]）

等等…否。结果应该有额外的列。仔细想想，我发现：

df['delta\u-mean']=df['mean\u-x']-df['mean\u-y']

。不知道这是否也可以在合并阶段完成。据我所知，熊猫合并功能不提供这样的功能。作为一种可能的方法，您可以使用

common_keys=df1.key[df1.key.isin（df2.key）]

获取公共键，然后使用

df1.set_index（'key'）.reindex（common_keys）-df2.set_index（'key'）.reindex（common_keys）

计算公共列中的值。

    key  mean  stddev
0  key1    30       3

    key  mean_x  stddev_x  mean_y  stddev_y
0  key2      40         4      70         7
1  key3      50         5      80         8

    key  mean  stddev
2  key4    90       9