Verwenden Sie Daten in Pandas-Datenrahmen, um Spalten miteinander abzugleichen

Ich habe zwei pandasDatenrahmen aund b:

a1   a2   a3   a4   a5   a6   a7
1    3    4    5    3    4    5
0    2    0    3    0    2    1
2    5    6    5    2    1    2

und

b1   b2   b3   b4   b5   b6   b7
3    5    4    5    1    4    3
0    1    2    3    0    0    2
2    2    1    5    2    6    5

Die beiden Datenrahmen enthalten genau dieselben Daten, jedoch in unterschiedlicher Reihenfolge und mit unterschiedlichen Spaltennamen. Basierend auf den Zahlen in den beiden Datenrahmen möchte ich in der Lage sein, jeden Spaltennamen amit jedem Spaltennamen in abzugleichen b.

Es ist nicht so einfach, einfach die erste Zeile von amit der ersten Zeile von zu vergleichen, bda es doppelte Werte gibt, zum Beispiel beide a4und a7den Wert haben, 5so dass es nicht möglich ist, sie sofort mit entweder b2oder abzugleichen b4.

Was ist der beste Weg, dies zu tun?

Hier ist ein Weg mit sort_values:

m=df1.T.sort_values(by=[*df1.index]).index
n=df2.T.sort_values(by=[*df2.index]).index
d=dict(zip(m,n))
print(d)

{'a1': 'b5', 'a5': 'b1', 'a2': 'b7', 'a3': 'b6', 'a6': 'b3', 'a7': 'b2', 'a4': 'b4'}

Hier ist eine Möglichkeit, Numpy zu nutzen broadcasting:

b_cols = b.columns[(a.values == b.T.values[...,None]).all(1).argmax(1)]
dict(zip(a, b_cols))

{'a1': 'b5',
 'a2': 'b7',
 'a3': 'b6',
 'a4': 'b4',
 'a5': 'b1',
 'a6': 'b3',
 'a7': 'b2'}

Ein anderer ähnlicher Ansatz (von @piR):

a_ = a.to_numpy()
b_ = b.to_numpy()
i, j = np.where((a_[:, None, :] == b_[:, :, None]).all(axis=0))
dict(zip(a.columns[j], b.columns[i]))

{'a1': 'b5',
 'a2': 'b7',
 'a3': 'b6',
 'a4': 'b4',
 'a5': 'b1',
 'a6': 'b3',
 'a7': 'b2'}

Ein Weg von merge

s=df1.T.reset_index().merge(df2.T.assign(match=lambda x : x.index))
dict(zip(s['index'],s['match']))
{'a1': 'b5', 'a2': 'b7', 'a3': 'b6', 'a4': 'b4', 'a5': 'b1', 'a6': 'b3', 'a7': 'b2'}

Wörterbuchverständnis

Verwenden Sie einen tupleder Spaltenwerte als Hash-Schlüssel in einem Wörterbuch

d = {(*t,): c for c, t in df2.items()}
{c: d[(*t,)] for c, t in df1.items()}

{'a1': 'b5',
 'a2': 'b7',
 'a3': 'b6',
 'a4': 'b4',
 'a5': 'b1',
 'a6': 'b3',
 'a7': 'b2'}

Für den Fall, dass wir keine perfekte Darstellung haben, habe ich nur das Wörterbuch für Spalten erstellt, in denen eine Übereinstimmung vorliegt.

d2 = {(*t,): c for c, t in df2.items()}
d1 = {(*t,): c for c, t in df1.items()}

{d1[c]: d2[c] for c in {*d1} & {*d2}}

{'a5': 'b1',
 'a2': 'b7',
 'a7': 'b2',
 'a6': 'b3',
 'a3': 'b6',
 'a1': 'b5',
 'a4': 'b4'}

idxmax

Das grenzt an das Absurde ... Tu das eigentlich nicht.

{c: df2.T.eq(df1[c]).sum(1).idxmax() for c in df1}

{'a1': 'b5',
 'a2': 'b7',
 'a3': 'b6',
 'a4': 'b4',
 'a5': 'b1',
 'a6': 'b3',
 'a7': 'b2'}