如何比较和获取来自多个数据帧的库伦值出现次数

Question

是否可以基于 2 个列比较 4 个数据帧，如果出现在 2 个或更多数据帧中，是否可以得到包含重复的结果。结果应包含发生次数。我的数据框看起来像>>>df1  Circle Division Power 0 AAAA   AA       25   1 BBBB   BB       5     >>>df2  Circle Division Power 0 CCCC   CC       25   1 BBBB   BB       66>>>df3  Circle Division Power 0 DDDD   DD       55   1 FFFF   FF       682 AAAA   AA       87    >>>df4  Circle Division Power 0 AAAA   AA       45   1 CCCC   CC       56   预期结果>>>result_df  Circle Division Power1 power2 power3 power4 Repeated0 AAAA   AA       25     -      87     45     31 BBBB   BB       5      66     -      -      22 CCCC   CC       -      25     -      56     2 我试图一一合并，但在那之后卡住了。 m12=pd.merge(df1, df2, on=['Circle','Division'], how='inner',suffixes=('1',' 2')) m13=pd.merge(df1, df3, on=['Circle','Division'], how='inner',suffixes=('1',' 3')) m14=pd.merge(df1, df4, on=['Circle','Division'], how='inner',suffixes=('1',' 4')) m23=pd.merge(df2, df3, on=['Circle','Division'], how='inner',suffixes=('2',' 3')) m24=pd.merge(df2, df4, on=['Circle','Division'], how='inner',suffixes=('2',' 4')) m34=pd.merge(df3, df4, on=['Circle','Division'], how='inner',suffixes=('3',' 4'))

Answer 1

使用concatwithDataFrame.set_index和参数keys将所有 DataFrame 连接在一起， flatten MultiIndex。

创建新列以DataFrame.count获取NaN每行的非 s 值并按以下方式过滤boolean indexing：

dfs = [df1, df2, df3, df4]

comp = [x.set_index(['Circle','Division']) for x in dfs]

df = pd.concat(comp, axis=1, keys=(range(1, len(dfs)+ 1)))

df.columns = [f'{b}{a}' for a, b in df.columns]

df['Repeat'] = df.count(axis=1)

df = df[df['Repeat'] > 1]

df = df.reset_index()

print (df)

  Circle Division  Power1  Power2  Power3  Power4  Repeat

0   AAAA       AA    25.0     NaN    87.0    45.0       3

1   BBBB       BB     5.0    66.0     NaN     NaN       2

2   CCCC       CC     NaN    25.0     NaN    56.0       2