Блог

У меня есть данные адреса жилья и почтового индекса, которые я хочу посмотреть, существует ли оно в другом столбце внутри другой таблицы.

У меня есть две таблицы Excel, которые я загрузил в Python, таблица A и таблица B. Я хочу взять каждое значение из столбца 1 (house_address) и столбца 2 (zip) из таблицы A и использовать цикл for, чтобы узнать, находится ли значение в таблице B, столбец 1 (full_address).

Таблица A:

Таблица B:

Мой код:

 # upload tables
table_a = pd.read_excel('table_a.xlsx')
table_b = pd.read_excel('table_b.xlsx')

# create a list from table b and table b of the full_address column for matching purposes
full_address_table_b = list(table_b['full_address'])


# for loop checks if the address is already in my table_B. If it is return the information to # the end user. If it is not then move on to the else statement which will do something else
for i in range(len(table_a)):

    
    # create a concat list of table a full address
    full_address_table_a = str(table_a['house_address'])   " "   str(table_b['zip'])

    # check if the address is already in our dataset
    if table_b.loc[table_b['full_address'].str.contains(full_address_table_a, case=False)]:

        # if it is, then just print the info from table b
        print(housing_df[housing_df['full_address'] == full_address_test])

    # else run another piece of code
    else:
        print("run this part of the code")
 

Когда я запускаю приведенный выше код, я получаю следующую ошибку:

Ошибка значения: значение истинности фрейма данных неоднозначно. Используйте .empty , .bool(),.item(), .any() или.all()

Мне было интересно, знает ли кто-нибудь, что я здесь делаю неправильно. Также, вероятно, существует более эффективный способ создания приведенного выше кода, поэтому приветствуются предложения по более эффективному коду.

Вы можете просто объединить их, чтобы увидеть, какие значения являются общими, если это степень вашей проблемы:

 table_a.merge(table_b, on = ['house_address', 'zip'])
 

результаты:

 house_address   zip property_size   full_address
0   124 HOUSE LANE  12345   1000    124 HOUSE LANE 12345
1   123 home ln 54321   2000    123 home ln 54321
 

Если вы хотите конкретно определить, какие из них находятся только в table_a or table_b или обоих, передайте индикатор, а затем просто отфильтруйте его на основе этого, если это необходимо:

 table_a.merge(table_b, on = ['house_address', 'zip'], how = 'outer', indicator = True)
 

результаты:

 house_address   zip property_size   full_address    _merge
0   124 HOUSE LANE  12345   1000    124 HOUSE LANE 12345    both
1   123 home ln 54321   2000    123 home ln 54321   both
2   987 strawberry rd   11111   3000    987 strawberry rd 11111 right_only
 

Если вы не хотите использовать for цикл, вы можете сделать что-то вроде этого:

 df1['full_address'] = df1['house_address'].astype(str)   " " df1['zip'].astype(str)
first_list = df1['house_address'].unique().tolist()
second_list = df2['house_address'].unique().tolist()

common_houses = [house for house in first_list if house in second_list] 
 

Затем, чтобы увидеть полные данные, совпадающие с полным адресом между 2, вы можете сделать:

 common_houses_df = df2[df2['full_address'].isin(common_houses)]
 

это даст вам полный набор данных с общими адресами из 2 файлов.