pandas - Vlook Up Elements from another dataframe 用于在 Python 中创建 MultiIndex DataFrame
问题描述
有 2 个数据框和一个分层索引(pandas multiIndex)。数据框 A 有一个 ID 和名称列表。数据框 B 有一个名称组合列表和一个相似度分数。
我想基于多索引从数据帧 A 中获取值并检查数据帧 B 中是否存在该组合。如果是,我想为我的 Multindex 数据帧带来相似度分数,否则只有 0。
数据帧 A(原始数据帧)
test= pd.DataFrame({'row':['a','b','c','d'],'col_A' : ["Alexis","Alexi","Peter","Pete"]})
test = test.set_index('row');test
Out:
row col_A
a Alexis
b Alexi
c Peter
d Pete
DataFrame B(名称相似性)
names = pd.DataFrame({'A' : ["Alexis","Alexi","Peter","Pete"]
,'B' : ["Alexi","Alexis","Pete","Peter"]
, "similarity" : [0.9,0.9,0.8,0.8]})
Out:
A B similarity
0 Alexis Alexi 0.9
1 Alexi Alexis 0.9
2 Peter Pete 0.8
3 Pete Peter 0.8
多索引
# Creating a Pandas MultiIndex
arrays = [['a', 'a', 'a', 'b', 'b', 'c'],
['b', 'c', 'd', 'c', 'd', 'd']]
tuples = list(zip(*arrays))
indexy = pd.MultiIndex.from_tuples(tuples, names=['first', 'second'])
遍历索引我使用下面的函数,但是,我不知道如何调整它,以便在存在时带来相似度得分,或者在不存在时带来 0。
a = pd.DataFrame((test.reindex(indexy.get_level_values(0)).values (?) test.reindex(indexy.get_level_values(1))).values,index=indexy,columns=test.columns)
我想看起来像这样:
row similarity
first second
a b 0.9
c 0
d 0
b c 0
d 0
c d 0.8
解决方案
因此,如果您对多索引不太感兴趣,这是一种按预期获取数据的方法:
import pandas as pd
test= pd.DataFrame({'row':['a','b','c','d'],'col_A' : ["Alexis","Alexi","Peter","Pete"]})
names = pd.DataFrame({'A' : ["Alexis","Alexi","Peter","Pete"],
'B' : ["Alexi","Alexis","Pete","Peter"],
"similarity" : [0.9,0.9,0.8,0.8]})
注意我没有set_index
test
,但你可以这样做,它会稍微改变以下内容(见评论)。您可以创建a
数据框,例如:
import itertools
a = pd.DataFrame([p for p in itertools.combinations(test['col_A'], 2)],columns =['A','B'],
index=['%s,%s'%p for p in itertools.combinations(test['row'], r=2)])
# here if you did set_index your test, then replace
# index=['%s,%s'%p for p in itertools.combinations(test['row'], r=2)] by
# index=['%s,%s'%p for p in itertools.combinations(test.index, r=2)]
它看起来像:
A B
a,b Alexis Alexi
a,c Alexis Peter
a,d Alexis Pete
b,c Alexi Peter
b,d Alexi Pete
c,d Peter Pete
然后,您可以在 A 和 B 列上使用reset_index
(将当前索引作为列获取,但这取决于您想要的确切内容) ,merge
用0names
填充nan
,删除 A 和 B 两列,然后重命名(如有必要):
a = a.reset_index().merge(names, how = 'left', on = ['A','B']).fillna(0).\
drop(labels = ['A','B'], axis=1).rename(columns = {'index':'row', 'similarity':'col_A'})
让我知道你是否可以做你想做的事
编辑:使用您寻找的新输出,您可以执行以下操作:
a = pd.DataFrame([p for p in itertools.combinations(test['col_A'], 2)],columns =['A','B'],
index=pd.MultiIndex.from_tuples([p for p in itertools.combinations(test.index, r=2)], names=['first', 'second']))
注意:itertools
生成用于pd.MultiIndex.from_tuples
定义多索引 DF 的元组。
现在你可以merge
(为了保持多索引,你需要reset_index
之前和set_index
之后:
a = a.reset_index().merge(names, how = 'left', on = ['A','B']).fillna(0).\
drop(labels = ['A','B'], axis=1).set_index(['first', 'second'])
推荐阅读
- flutter - 如何使文本自动调整大小?
- python - 如何使用 Python OpenCV 将灰度图像转换为热图图像
- python - 从 GroupBy 操作有效地创建列
- asp.net - 在 asp.net 中,使用 Async 技术将占用多少工作线程
- django - DRF+VueJS分页错误页数
- gensim - 如何对数百万个文档执行 doc2vec.infer_vector()?
- c++ - C++ 二进制文件 I/O 操作减慢... DB 如何处理二进制文件?
- javascript - vue + nuxt.js - 如何读取从外部请求接收到的 POST 请求参数
- cmake - 使用 EXTRA_OECMAKE 对 bitbake 配方中的 cmake 变量没有任何影响
- javascript - clearTimeout 不起作用:参数未定义(即使它是在全局范围内定义的)