通过两个Pandas Dataframe进行迭代+创建新列

如何解决通过两个Pandas Dataframe进行迭代+创建新列

我是使用Pandas的新手，我试图遍历不同Dataframe中的两列，如果两列具有相同的单词，则将“ yes”追加到另一列。如果没有，请加上“否”。

这就是我所拥有的：

    for row in df1.iterrows():
     for word in df2.iterrows():
       if df1['word1'] == df2['word2']:
         df1.column1.append('Yes') #I just want to have two columns in binary form,if one is yes the other must be no
         df2.column2.append('No')

       else:
         df1.column1.append('No')
         df2.column2.append('Yes')

我现在有：

      column1      column2  column3   
       apple        None    None
       orange       None    None
       banana       None    None
       tomato       None    None
       sugar        None    None
       grapes       None    None
       fig          None    None

我想要：

      column1      column2  column3   
       apple           Yes       No
       orange          No        No
       banana          No        No
       tomato          No        No
       sugar           No        Yes
       grapes          No        Yes
       figs            No        Yes


    Sample of words from df1: apple,orange,pear
    Sample of words from df2: yellow,green

我收到此错误： 只能比较标记相同的系列对象

注意：df2中的单词为2500，而df1中的单词为500。 任何帮助表示赞赏！

解决方法

我认为最好从两列中获取set个单词，然后再进行查找。这样也会更快。像这样：

words_df1 = set(df1['word1'].tolist())
words_df2 = set(df2['word2'].tolist())

然后做

df1['has_word2'] = df1['word1'].isin(words_df2)
df2['has_word1'] = df2['word2'].isin(words_df1)

,

实际上，您想填写：

• df1.column1 具有：
  • 是-如果该行中的 word1 出现在 df2.word1 中（在任何行中），
  • 否-否则，
• df2.column2 具有：
  • 是-如果该行中的 word2 出现在 df1.word2 中（在任何行中），
  • 否-否则。

要执行此操作，可以运行：

df1['column1'] = np.where(df1.word1.isin(df2.word2),'Yes','No')
df2['column2'] = np.where(df2.word2.isin(df1.word1),'No')

为了测试我的代码，我使用了以下数据框：

df1:                 df2:
        word1                word2
0       apple        0      yellow
1      orange        1      orange
2        pear        2       green
3  strawberry        3  strawberry
                     4        plum

我的代码的结果是：

df1:                       df2:
        word1 column1              word2 column2
0       apple      No      0      yellow      No
1      orange     Yes      1      orange     Yes
2        pear      No      2       green      No
3  strawberry     Yes      3  strawberry     Yes
                           4        plum      No