时间戳

首页 > 解决方案 > 基于来自另一个数据框 pandas 的匹配值的新列

python - 基于来自另一个数据框 pandas 的匹配值的新列

问题描述

如果我们有两个数据帧，例如df1和df2在下面显示的示例中；我们如何合并它们来生成df3？

import pandas as pd
import numpy as np

data1 = [("a1",["A","B"]),("a2",["A","B","C"]),("a3",["B","C"])]
df1 = pd.DataFrame(data1,columns = ["column1","column2"])
print df1

data2 = [("A",["1","2"]),("B",["1","3","4"]),("C",["5"])]
df2 = pd.DataFrame(data2,columns=["column3","column4"])
print df2

data3 = [("a1",["A","B"],["1","2","3","4"]),("a2",["A","B","C"], 
["1","2","3","4","5"]),("a3",["B","C"],["1","3","4","5"])]
df3 = pd.DataFrame(data3,columns = ["column1","column2","column5"])
print df3

我的目标是不使用 for 循环，因为我正在处理大型数据集

标签： pythonpandasdataframemerge

解决方案

stack重新创建后检查df1 的列表列，DataFrame 然后map使用来自的值df2

另外，由于您要求不使用我正在使用的 for 循环sum，并且sum对于这种情况，它比*for loop*or慢得多itertools

s=pd.DataFrame(df1.column2.tolist()).stack()
df1['New']=s.map(df2.set_index('column3').column4).sum(level=0).apply(set)
df1
Out[36]: 
  column1    column2              New
0      a1     [A, B]     {2, 4, 3, 1}
1      a2  [A, B, C]  {3, 5, 4, 2, 1}
2      a3     [B, C]     {4, 3, 1, 5}

正如我提到的和我们大多数人所建议的那样，您也可以检查带有熊猫的 For 循环 - 我什么时候应该关心？

import itertools
d=dict(zip(df2.column3,df2.column4))


l=[set(itertools.chain(*[d[y] for y in x ])) for x in df1.column2.tolist()]
df1['New']=l

推荐阅读