Pandas判断两DataFrame指定列值是否匹配并新增分类标记列

首先导入依赖包并初始化示例数据：

import pandas as pd
import numpy as np

# 示例DataFrame初始化
df_threads = pd.DataFrame({'conv_id': ['12', '15', '14', '23'], 'tweets': ['Nice', 'Test', 'Hi', 'Yes']})
df_orig = pd.DataFrame({'id': ['17', '12', '15', '6','67'], 'tweets': ['hola', 'mundo', 'yes', 'look', 'Beautiful']})

核心实现代码 #

提供两种常用实现方式，逻辑完全一致：

方法1：结合numpy.where实现（代码最简洁） #

# 提前提取id唯一值可提升大数据量下的判断效率
orig_id_set = df_orig['id'].unique()
df_threads['File'] = np.where(df_threads['conv_id'].isin(orig_id_set), 'Spanish', 'Portuguese')

方法2：仅用Pandas原生方法实现 #

df_threads['File'] = df_threads['conv_id'].isin(df_orig['id']).map({True: 'Spanish', False: 'Portuguese'})

输出结果 #

执行后打印df_threads得到符合匹配逻辑的结果：

conv_id tweets        File
0      12   Nice     Spanish
1      15   Test     Spanish
2      14     Hi  Portuguese
3      23    Yes  Portuguese

注：你给出的预期输出为格式示例，实际结果会严格按照匹配规则生成，若需要调整匹配逻辑仅需交换isin方法两侧的判断对象即可。

内容的提问来源于stack exchange，提问作者coding