如何添加列检查，如果列表中包含来自相应属性的另一个数据帧的值?

Question

df1看起来像这样：

attribute_1 attribute_2
0           A           Y
1           A           Z
2           B           Y
3           B           Z
df1 = pd.DataFrame({'attribute_1': ['A', 'A', 'B', 'B'],
'attribute_2': ['Y', 'Z', 'Y', 'Z']})

df2更大，具有相同属性值的多行，也有许多与df1不同的列：

attribute_1 attribute_2   fruit
0           A           Y   apple
1           A           Y  banana
2           A           Z   melon
3           B           Z  orange
4           B           Z   grape
5           B           Y    pear
6           B           Z  orange
df2 = pd.DataFrame({'attribute_1': ['A', 'A', 'A', 'B', 'B', 'B', 'B'],
'attribute_2': ['Y', 'Y', 'Z', 'Z', 'Z', 'Y', 'Z'],
'fruit': ['apple', 'banana', 'melon', 'orange', 'grape', 'pear', 'orange']})

我想在df1中添加一列，以检查相应属性df2.fruit是否有任何值在['apple', 'orange']中，以创建desired_df：

attribute_1 attribute_2  has_apple_or_orange
0           A           Y                 True
1           A           Z                False
2           B           Y                False
3           B           Z                 True
desired_df = pd.DataFrame({'attribute_1': ['A', 'A', 'B', 'B'],
'attribute_2': ['Y', 'Z', 'Y', 'Z'],
'has_apple_or_orange': [True, False, False, True]})

我该怎么做？以某种方式合并？

不确定如何描述这一点，所以如果这已经在其他地方回答了，请原谅我。

Answer 1

首先将值按Series.isin与具有DataFrame.assign的新列进行比较，然后按GroupBy.any聚合并将新列添加到第二列DataFrameDataFrame.join：

f = ['apple', 'orange']
s = (df2.assign(has_apple_or_orange = df2['fruit'].isin(f))
.groupby(['attribute_1','attribute_2'])['has_apple_or_orange']
.any())
print (s)
attribute_1  attribute_2
A            Y               True
Z              False
B            Y              False
Z               True
Name: has_apple_or_orange, dtype: bool
df = df1.join(s, on=['attribute_1','attribute_2'])
print (df)
attribute_1 attribute_2  has_apple_or_orange
0           A           Y                 True
1           A           Z                False
2           B           Y                False
3           B           Z                 True

Answer 2

一种可能的解决方案：

index = ["attribute_1","attribute_2"]
(df1.set_index(index).join(df2.set_index(index))
.fruit.isin(["apple","orange"])
.reset_index()
.drop_duplicates(index)
)
attribute_1 attribute_2 fruit
0   A              Y    True
2   A              Z    False
3   B              Y    False
4   B              Z    True

不过，@jezrael的解决方案似乎更强大，因为它考虑了分组