如何迭代一个数据帧的每个元素，并将该元素与另一个数据框进行比较，然后找到匹配的概率

Question

我有两个示例数据帧：

df1 = pd.DataFrame()
df1['a1'] = ['ABC','ACC','BCC','ABC']
df1['b1'] = ['ACC','AAC','BAC','ACC']
df2 = pd.DataFrame()
df2['a2'] = ['ACC','BCC','ABC']
df2['b2'] = ['AAC','BAC','ACC']
df2['types'] = [t1,t2,t3]
>>> df2
a2   b2  types
0  ACC  AAC     t1
1  BCC  BAC     t2
2  ABC  ACC     t3
>>> df1
a1   a2
0  ABC  ACC
1  ACC  AAC
2  BCC  BAC
3  CCC  CAC

我想从df1中提取一行，并在df2中迭代寻找匹配项。如果a1匹配a2，b1匹配b2，那么我想计算每个类型的概率的类型。例如，对于df1的第一行，它与df2的第三行匹配，因此我计数t3+1。当有更多的数据时，我想找到一种有效的方法

我试过了：

for ind in df1:
compare_item1= df1['a1'][ind]
compare_item2 = df1['b1'][ind]
for i in df2:
count = 0
if compare_item1 == df2['a2'][i] and compare_item2 == df2['b2'][i]:
df1['t_{}'.format(i)]= count+1

我的想法是，对于每次迭代，创建一个伪变量t_I，然后我可以进行计数和进一步的计算。然而，我没有得到预期的带有伪变量的df1。有什么关于如何修复的建议吗？或者有什么更有效的方法来寻找概率？

谢谢！

Answer 1

IIUC使用：

df = df1.merge(df2, left_on=['a1','b1'], right_on=['a2','b2'])

print (df)
a1   b1   a2   b2 types
0  ABC  ACC  ABC  ACC    t3
1  ABC  ACC  ABC  ACC    t3
2  ACC  AAC  ACC  AAC    t1
3  BCC  BAC  BCC  BAC    t2
df = df.groupby(['a1','b1','types']).size().reset_index(name='count')
print (df)
a1   b1 types  count
0  ABC  ACC    t3      2
1  ACC  AAC    t1      1
2  BCC  BAC    t2      1