pandas 有两个df数据，根据df1的最后一列数据，把df2的列匹配给df1

可以使用 pandas 的 merge 函数将两个 DataFrame 进行匹配，根据 df1 的最后一列数据将 df2 的列匹配给 df1。具体的操作如下：

import pandas as pd

# 生成示例数据
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': ['X', 'Y', 'Z']})
df2 = pd.DataFrame({'D': [7, 8, 9], 'E': [10, 11, 12], 'C': ['X', 'Y', 'Z']})

# 使用 merge 函数进行匹配
df_merged = pd.merge(df1, df2, on='C')

# 输出匹配后的结果
print(df_merged)

上述代码中，我们首先生成了两个示例数据 df1 和 df2，分别含有三列和两列数据。其中 df1 包含了最后一列 C，根据这一列数据将 df2 的列匹配给 df1。接着，我们使用 merge 函数将两个 DataFrame 进行匹配，使用 on='C' 表示根据 C 列进行匹配。最后，输出匹配后的结果，即包含所有列的新 DataFrame。

相关问题

pandas 有两个df数据，根据df1的列数据，把df2的其中一列匹配给df1

你可以使用 pandas 的 merge 函数来将两个 data frame 按照特定的列进行合并。假设你需要将 df1 和 df2 按照 "col1" 列进行合并，将 df2 的 "col2" 列赋值给 df1 中的 "col3" 列，可以按照如下方式进行操作：

import pandas as pd

# 创建示例数据 df1 和 df2
df1 = pd.DataFrame({'col1': ['A', 'B', 'C'], 'col3': [0, 0, 0]})
df2 = pd.DataFrame({'col1': ['A', 'B', 'D'], 'col2': [1, 2, 3]})

# 按照 'col1' 列进行合并，将 df2 的 'col2' 列赋值给 df1 的 'col3' 列
df1 = pd.merge(df1, df2[['col1', 'col2']], on='col1', how='left')
df1['col3'] = df1['col3'].fillna(df1['col2'])
df1 = df1.drop('col2', axis=1)

print(df1)

这里使用了 merge 函数将 df1 和 df2 按照 "col1" 列进行合并，使用了 left 连接方式。然后，将 df2 的 "col2" 列赋值给 df1 的 "col3" 列，并且将 df1 中的缺失值填充为 df1 中的 "col2" 列。最后，将 df2 的 "col2" 列删除，得到最终的结果 df1。

pandas 有两个df数据，把df2的列匹配给df1

可以使用 pandas 的 merge 函数将两个 DataFrame 进行匹配，将 df2 的列匹配给 df1。具体的操作如下：

import pandas as pd

# 生成示例数据
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'C': [7, 8, 9], 'D': [10, 11, 12]})

# 使用 merge 函数进行匹配
df_merged = pd.merge(df1, df2, left_index=True, right_index=True)

# 输出匹配后的结果
print(df_merged)

上述代码中，我们首先生成了两个示例数据 df1 和 df2，分别含有两列数据 A 和 B，以及两列数据 C 和 D。接着，我们使用 merge 函数将两个 DataFrame 进行匹配，使用 left_index=True 和 right_index=True 表示使用索引进行匹配。最后，输出匹配后的结果，即包含所有列的新 DataFrame。