python Pandas : How to merge based on an "OR" condition?

Question

假设我有两个数据框，两者的列名是:

table 1 columns:
[ShipNumber, TrackNumber, ShipDate, Quantity, Weight]
table 2 columns:
[ShipNumber, TrackNumber, AmountReceived]

我想合并基于 ShipNumber 和 TrackNumber 的两个表。但是，如果我简单地按以下方式使用合并(伪代码，不是真正的代码):

tab1.merge(tab2, "left", on=['ShipNumber','TrackNumber'])

那么，这意味着两个表中的 ShipNumber 和 TrackNumber 列中的值必须匹配。

但是，在我的例子中，有时 ShipNumber 列值会匹配，有时 TrackNumber 列值会匹配； 只要两个值之一匹配一行，我就希望合并发生。

换句话说，如果tab 1中的第1行ShipNumber与tab 2中的第3行ShipNumber匹配，但是两条记录的两个表中的TrackNumber不匹配，我仍然想匹配两个表中的两行。

所以基本上这是一个非此即彼的匹配条件(伪代码):

if tab1.ShipNumber == tab2.ShipNumber OR tab1.TrackNumber == tab2.TrackNumber:
    then merge

我希望我的问题是有道理的...非常感谢任何帮助!

按照建议，我查看了这篇文章: Python pandas merge with OR logic但这不是我认为的完全相同的问题，因为该帖子的 OP 有一个映射文件，因此他们可以简单地进行 2 次合并来解决这个问题。但是我没有映射文件，而是有两个具有相同键列(ShipNumber、TrackNumber)的 df

Answer 1

使用merge() 和concat()。然后删除所有 A 和 B 匹配的重复案例(感谢@Scott Boston 最后一步)。

df1 = pd.DataFrame({'A':[3,2,1,4], 'B':[7,8,9,5]})
df2 = pd.DataFrame({'A':[1,5,6,4], 'B':[4,1,8,5]})

df1         df2
   A  B        A  B
0  3  7     0  1  4
1  2  8     1  5  1
2  1  9     2  6  8
3  4  5     3  4  5

有了这些数据框，我们应该看到:

• df1.loc[0] 在 df2.loc[0]
上匹配 A
• df1.loc[1] 在 df2.loc[2]
上匹配 B
• df1.loc[3] 匹配 df2.loc[3] 上的 A 和 B/li>

我们将使用后缀来跟踪匹配的内容:

suff_A = ['_on_A_match_1', '_on_A_match_2']
suff_B = ['_on_B_match_1', '_on_B_match_2']

df = pd.concat([df1.merge(df2, on='A', suffixes=suff_A), 
                df1.merge(df2, on='B', suffixes=suff_B)])

     A  A_on_B_match_1  A_on_B_match_2    B  B_on_A_match_1  B_on_A_match_2
0  1.0             NaN             NaN  NaN             9.0             4.0
1  4.0             NaN             NaN  NaN             5.0             5.0
0  NaN             2.0             6.0  8.0             NaN             NaN
1  NaN             4.0             4.0  5.0             NaN             NaN

请注意，第二行和第四行是重复匹配项(对于两个数据框，A = 4 和 B = 5)。我们需要删除其中一组。

dups = (df.B_on_A_match_1 == df.B_on_A_match_2) # also could remove A_on_B_match
df.loc[~dups]

     A  A_on_B_match_1  A_on_B_match_2    B  B_on_A_match_1  B_on_A_match_2
0  1.0             NaN             NaN  NaN             9.0             4.0
0  NaN             2.0             6.0  8.0             NaN             NaN
1  NaN             4.0             4.0  5.0             NaN             NaN