匹配2個不同的數據框返回值，然後比較

Question

我需要匹配這兩個不同大小的數據框，獲得匹配的字段，然後比較它是大還是小。

df = pd.DataFrame({'first_name': ['Jason', 'Molly', 'Tina', 'Jake', 'Amy'], 
     'id': ['a1', 'a2', 'a3', 'a4', 'a5'], 
     'id2': ['', '', '', 'b1', 'b2'], 
     'cost':[1,2,3,4,5]}, columns = ['first_name', 'id','id2','cost']) 
df 

    first_name id id2 cost 
0 Jason a1  1 
1 Molly a2  2 
2 Tina a3  3 
3 Jake a4 b1 4 
4 Amy  a5 b2 5 

df2 = pd.DataFrame({'id': ['a1', 'a2', 'a3','b1','b2','b3'],'cost':[1,2,3,4,6,6]},columns = ['id','cost']) 
df2 


id cost 
0 a1 1 
1 a2 2 
2 a3 3 
3 b1 4 
4 b2 3 
5 b3 6 

預期的結果是：

first_name id id2 cost 
0 Jason a1  1 
1 Molly a2  2 
2 Tina a3  3 
3 Jake a4 b1 4 

的比賽是對ID1和ID2 DF完成，相比DF2的ID。儘管b2在id中，但它不包含在內，因爲df2中的匹配成本大於df中的成本。

我試圖沿着線的東西：

df[(df['id'].isin(df2['id']) == True) | (df['id2'].isin(df2['id']) == True)] 

    first_name id id2 cost 
0 Jason a1  1 
1 Molly a2  2 
2 Tina a3  3 
3 Jake a4 b1 4 
4 Amy a5 b2 5 

我似乎遇到了問題也比較成本和排除那些比匹配的成本較小。

這是一個例子，我正在處理的作品有df中的180萬條記錄，並且與df2中的170,000條記錄相匹配。在這裏，我比較了2列，但有4列我需要在DF中匹配。

我希望這是有道理的，因爲效率現在也在考慮之中，合併數據幀超過4次是沒有意義的。

又如：

df 

    first_name id id2 cost 
0 Jason a1  7 
1 Molly a2  2 
2 Tina a3  3 
3 Jake a4 b1 4 
4 Amy  a5 b2 8 

df2 


id cost 
0 a1 6 
1 a2 2 
2 a3 3 
3 b1 4 
4 b2 6 
5 b3 6 

在上面的例子，

預期結果將是：

first_name id id2 cost 
1 Molly a2  2 
2 Tina a3  3 
3 Jake a4 b1 4 

所以A1，A2，A3，A4，B1和B2的匹配，但是因爲a1和b2的成本大於df2.cost的成本。他們被排除在外。

更正了我上面的例子。

任何想法？

Answer 1

我認爲你可以replace值列id和id2通過df2與set_index，然後applyto_numeric更換不號碼NaN。最後通過gt與any比較和使用boolean indexing：

mask = (~((df[['id','id2']].replace(df2.set_index('id')['cost']) 
         .apply(pd.to_numeric, errors='coerce')) 
         .gt(df.cost, axis=0)).any(1)) 


print (mask) 
0  True 
1  True 
2  True 
3  True 
4 False 
dtype: bool 

print (df[mask]) 
    first_name id id2 cost 
0  Jason a1  10 
1  Molly a2   2 
2  Tina a3   3 
3  Jake a4 b1  4