pandas 用A第一列合并到B表中然后找出A表第一列和B表第二列数据相同的第三列

可以使用 pandas 中的 `merge` 和 `loc` 方法来实现。

假设 A 表的第一列为 `A_col1`，第三列为 `A_col3`，B 表的第一列为 `B_col1`，第二列为 `B_col2`，第三列为 `B_col3`，代码如下：

import pandas as pd

# 读取 A 表和 B 表
df_A = pd.read_csv('A.csv')
df_B = pd.read_csv('B.csv')

# 合并 A 表和 B 表，以 A_col1 为键
merged_df = pd.merge(df_A, df_B, left_on='A_col1', right_on='B_col1')

# 找出 A 表第一列和 B 表第二列数据相同的第三列
result = merged_df.loc[merged_df['A_col1'] == merged_df['B_col2'], 'B_col3']

# 打印结果
print(result)

这里假设 A 表和 B 表分别保存在 `A.csv` 和 `B.csv` 文件中，可以根据实际情况进行修改。

相关问题

写代码 python语言将 a 表和 b 表按照相同列合并，然后选取 b 表的第三列的第一行作为填充值

可以使用 pandas 库来实现：

import pandas as pd

a = pd.read_csv('a.csv')
b = pd.read_csv('b.csv')

merged = pd.merge(a, b, on='相同列')
merged['填充列'] = merged['第三列'][0]

# 将合并后的数据写入新的 csv 文件中
merged.to_csv('merged.csv', index=False)

注意，上述代码中需要将 `a.csv` 和 `b.csv` 替换为实际的文件名，同时需要将 `相同列`、`第三列` 和 `填充列` 替换为实际的列名。

pandas 用a表的一列数据筛选b表

可以使用 pandas 的 merge 函数将两个表按照某个列进行合并，然后再用筛选函数过滤数据。

例如，假设有两个表 a 和 b，其中 a 表的列名为 column_a，b 表的列名为 column_b，要筛选出 b 表中 column_b 列的值在 a 表 column_a 列中出现过的数据，可以按照以下步骤进行：

1. 使用 merge 函数将 a 表和 b 表按照 column_a 列进行合并，并指定合并方式为 inner，表示只保留两个表中都存在的数据：

merged_data = pd.merge(a, b, left_on='column_a', right_on='column_b', how='inner')

2. 对合并后的数据进行筛选，只保留 b 表中 column_b 列的值在 a 表 column_a 列中出现过的数据：

filtered_data = merged_data[merged_data['column_b'].isin(a['column_a'])]

这样，filtered_data 就是筛选后的结果。