Python 在特定条件下合并两个不同长度的数据帧

我有第一个数据框“研究”：它代表学院所有学生的名字

col1
A
B
C
D
E
F

我的第二个数据框是“学生”：这是一组特定学科的学生

name   pass
C       1
F       1
B       1

我想从上述两个数据帧中创建一个数据帧，如下所示：

df3 = Study.merge(Student, left_on="col1", right_on="name", how="left")

dataframe3：

col1 value
A      False
B      True
C      True
D      False
E      False
F      True

这表示学生B、C和F在“学生”数据框中的值为1，其余的都不存在

我尝试使用pandas中的merge方法执行此操作，如下所示：

df3 = Study.merge(Student, left_on="col1", right_on="name", how="left")

但结果是：

col1     name    pass
A        nan     nan
B        B       1
C        C       1
D        nan     nan
E        nan     nan
F        F       1

---

要获得上面所示的dataframe3，我可以通过删除列名来处理这个问题，并可能用false替换nan，用True替换1，但是有没有其他更好的方法来处理这个问题。

您可以检查

df1['col1']

是否在

df2['name']

中：

df3 = df1.assign(value=df1['col1'].isin(df2['name']))
df3

输出：

  col1  value
0    A  False
1    B   True
2    C   True
3    D  False
4    E  False
5    F   True

如果您的第二个数据帧“Student”不仅包含所有通过值1（可以是0），还可以执行以下操作：

df_merge = Study.merge(Student, left_on='col1', right_on='name', how='left')
df_merge['value'] = df_merge['pass'].eq(1)
df_merge = df_merge.drop(['name', 'pass'], axis=1)

结果:

print(df_merge)

  col1  value
0    A  False
1    B   True
2    C   True
3    D  False
4    E  False
5    F   True

---

合并后只取所需的列，即

col1

和

pass

，并用

False

填充

NaN

值

df3=Study.merge（Student，left_on=“col1”，right_on=“name”，how=“left”）[[[[col1”，“pass']”。fillna（False）

现在只需将pass列转换为

boolean

类型

df3['pass']=df3['pass'].astype（bool）

输出：

df3
col1通行证
0一个错误
1 B正确
2 C正确
三维假
4 E错误
5 F正确

如果需要，可以重命名列