匹配2个不同的数据框返回值，然后比较

Question

我需要匹配这两个不同大小的数据框，获得匹配的字段，然后比较它是大还是小。

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 

预期的结果是：

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

的比赛是对ID1和ID2 DF完成，相比DF2的ID。尽管b2在id中，但它不包含在内，因为df2中的匹配成本大于df中的成本。

我试图沿着线的东西：

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 

我似乎遇到了问题也比较成本和排除那些比匹配的成本较小。

这是一个例子，我正在处理的作品有df中的180万条记录，并且与df2中的170,000条记录相匹配。在这里，我比较了2列，但有4列我需要在DF中匹配。

我希望这是有道理的，因为效率现在也在考虑之中，合并数据帧超过4次是没有意义的。

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，

预期结果将是：

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，但是因为a1和b2的成本大于df2.cost的成本。他们被排除在外。

更正了我上面的例子。

任何想法？

Answer 1

我认为你可以replace值列id和id2通过df2与set_index，然后applyto_numeric更换不号码NaN。最后通过gt与any比较和使用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