Quiero comparar dos DataFrames con el mismo número de columnas pero distinto número de filas y con datos no estandarizados. Quiero obtener la fila de DF2, con más coincidencias con DF1 y mostrar ambas:
import pandas as pd
import numpy as np
ejemplo = { "variable1": [1, 2, 3, 4, 5, 6 ],
"variable2": ["si", 60, 300, 400, "no", 500],
"variable3": ["2a", "2b", "2c", "2d","NA", "NA"]
}
df1 = pd.DataFrame(ejemplo)
ejemplo2 = { "variable1": [1, 2, 2, 1],
"variable2": [3, "NA", "NA", "si"],
"variable3": ["j", "b", "e", "a"]
}
df2 = pd.DataFrame(ejemplo2)
El resultado que quiero obtener es un dataframe o una lista con la fila con más coincidencias al comparar todas las filas del DF2 frente a DF1:
He intentado hacerlo con merge, con un count para las coincidencias pero no consigo hacer una comparación para ambos conjuntos completa. No sé por donde avanzar.
variable1
yvariable2
, en este caso (Tal vez por casualidad)variable3
contiene2a
ya
, ¿También se debe comparar cada caracter de cada columna para saber si coinciden?, en la columnavariable3
coincidiría laa
también