时间戳

首页 > 解决方案 > Pandas 版本的“如果为真，此处为 VLOOKUP，如果为假，则在其他地方为 VLOOKUP

python - Pandas 版本的“如果为真，此处为 VLOOKUP，如果为假，则在其他地方为 VLOOKUP

问题描述

我正在尝试将大型数据集及其处理从 Excel 转换为 Python/Pandas，并且在尝试实现“IF(col A = x, VLOOKUP(col B in table Y），否则，VLOOKUP（表 Z 中的列 A））”。

我创建了两个单独的字典，它们将用作表 Y 和 Z 的 pandas 版本，但我无法找到可以告诉 pandas 使用 B 列中的值在字典中查找的构造。

在用熊猫尝试这个：

# Created a function to map the values from
#  PROD_TYPE to the prod_dict.
def map_values(row, prod_dict):
    return prod_dict[row]

# Created the dictionaries / old VLOOKUP tables.
prod_dict = {'PK': 'Packaging',
               'ML': 'Mix',
               'CM': 'Textile',
               'NK': 'Metallic'}

pack_dict = {'PK3' : 'Misc Packaging',
             'PK4' : 'Mix Packaging',
             'PK9' : 'Textile Packaging'}

df = pd.DataFrame({'PROD_TYPE' : ['PK', 'ML', 'ML', 'CM'], 
                   'PKG_TYPE': ['PK3', 'PK4', 'PK4', 'PK9'],
                   'VALUE': [1000, 900, 800, 700]})
# Apply the map_values function.
df['ITEM'] = df['PROD_TYPE'].apply(map_values, args = (prod_dict,))

我得到：

  PROD_TYPE PKG_TYPE  VALUE       ITEM
0        PK      PK3   1000  Packaging
1        ML      PK4    900        Mix
2        ML      PK4    800        Mix
3        CM      PK9    700    Textile

当我正在寻找的是：

  PROD_TYPE PKG_TYPE  VALUE            ITEM
0        PK      PK3   1000  Misc Packaging
1        ML      PK4    900             Mix
2        ML      PK4    800             Mix
3        CM      PK9    700         Textile

或者，更简单地说：如果PROD_TYPE是，则从 ; 中的列中'PK'查找值。否则，在.PKG_TYPEpack_dictPROD_TYPEprod_dict

任何帮助，将不胜感激！

标签： pythonpandas

解决方案

这就是我将如何解决这个问题：

# First we make two dataframes out of the dictionaries with pd.melt
df2 = pd.DataFrame(prod_dict, index=[0])
df3 = pd.DataFrame(pack_dict, index=[0])

df2 = df2.melt(var_name=['PROD_TYPE'], value_name = 'ITEM')
df3 = df3.melt(var_name=['PKG_TYPE'], value_name = 'ITEM')

# df2
    PROD_TYPE   ITEM
0   PK          Packaging
1   ML          Mix
2   CM          Textile
3   NK          Metallic

# df3
    PKG_TYPE    ITEM
0   PK3         Misc Packaging
1   PK4         Mix Packaging
2   PK9         Textile Packaging

# Now we can merge our information together on keycolumns PROD_TYPE and PKG_TYPE
df_final = pd.merge(df, df2, on='PROD_TYPE')
df_final = pd.merge(df_final, df3, on='PKG_TYPE')

    PROD_TYPE   PKG_TYPE    VALUE   ITEM_x      ITEM_y
0   PK          PK3         1000    Packaging   Misc Packaging
1   ML          PK4         900     Mix         Mix Packaging
2   ML          PK4         800     Mix         Mix Packaging
3   CM          PK9         700     Textile     Textile Packaging

# Finally we use np.where to conditionally select the values we need 
df_final['ITEM'] = np.where(df_final.PROD_TYPE == 'PK', df_final.ITEM_y, df_final.ITEM_x)

# Drop columns which are not needed in output
df_final.drop(['ITEM_x', 'ITEM_y'], axis=1, inplace=True)

输出

    PROD_TYPE   PKG_TYPE    VALUE   ITEM
0   PK          PK3         1000    Misc Packaging
1   ML          PK4         900     Mix
2   ML          PK4         800     Mix
3   CM          PK9         700     Textile

np.where来自numpy模块，工作方式如下：
np.where(condition, true value, false value)

推荐阅读