在Python中对比两个DataFrame列，获取匹配行计数与行号

需求说明 #

现有两个DataFrame（df1、df2），需要对比df1的Name列与df2的Applicant列，生成包含匹配状态（是/否）、匹配行的行号以及匹配次数的结果表。

示例数据 #

import pandas as pd

# 构造df1
df1 = pd.DataFrame({
    'Name': ['Pat', 'Chris', 'Pat', 'Noris', 'Mit', 'Chen'],
    'Score': [82, 38, 92, 88, 62, 58],
    'Year': [1990, 1993, 1994, 1997, 1999, 1996]
})

# 构造df2
df2 = pd.DataFrame({
    'Applicant': ['Pat', 'Chris', 'Meet']
})

实现代码 #

# 给df1添加从1开始的行号列
df1['row_num'] = df1.index + 1

# 按Name分组，收集匹配行号（转为逗号分隔的字符串）、统计匹配次数
match_info = df1.groupby('Name').agg(
    Matched_Row_reference=('row_num', lambda x: ','.join(map(str, x))),
    Count=('row_num', 'count')
).reset_index().rename(columns={'Name': 'Applicant'})

# 与df2左连接，保留所有Applicant项
result = df2.merge(match_info, on='Applicant', how='left')

# 生成匹配状态、填充缺失值
result['Match (Y/N)'] = result['Count'].apply(lambda x: 'Y' if pd.notna(x) else 'N')
result['Matched Row reference'] = result['Matched_Row_reference'].fillna('NA')
result['Count'] = result['Count'].fillna(0).astype(int)

# 调整列顺序为预期格式
result = result[['Applicant', 'Match (Y/N)', 'Matched Row reference', 'Count']]

print(result)

运行结果 #

代码说明 #

• 行号处理：给df1添加从1开始的行号列，匹配预期结果的行号格式。
• 分组聚合：通过groupby对Name分组，拼接行号字符串并统计匹配次数。
• 合并填充：用左连接保留df2所有项，对未匹配项填充NA和0，生成匹配状态标识。
• 列序调整：确保输出列与预期结果一致。

内容的提问来源于stack exchange，提问作者Tushar Patel