python - 从熊猫数据框中的多列中查找

问题描述

我有一个数据框（~8k 行），其中包含几列对应于要查找的固定值。

数据框看起来像这样-（ish）：

班级名称	尺寸	颜色
第一的	大号	绿色
第一的	大号	蓝色的
第二	特大号	红色的

查找表看起来像这样（一个 df 或一个嵌套的 python 字典）：

班级名称	尺寸	蓝色的	红色的	绿色
第一的	大号	90	95	90
第一的	特大号	100	105	100
第二	特大号	100	105	100

我正在寻找的是一种将新列值添加到我的第一个 df 的有效方法。像这样的东西：

班级名称	尺寸	颜色	价值
第一的	大号	绿色	90
第一的	大号	蓝色的	90
第二	特大号	红色的	105

现在我正在解决这个问题

df['value'] = df.apply(
            lambda row: lookup_function(df['class_name'], df['size'], df['colour'])

# and that lookup_function includes the dict (or a df if that helps)
def lookup_function(class_name, size, colour):
    looky_here = {.. lookup table as dict structure ..}
    try:
        return float(looky_here[class_name][size][colour])
    except:
        return 0

这很慢（在处理完我的 8k df 之后，我有很多新的 8k df 要做）。我怎样才能更快更优雅地做到这一点？

标签： pythonpandasdataframe

我会考虑融化（融化文档）你的查找表：

melted = lookup.melt(id_vars=['class_name', 'size'], value_vars=['blue', 'red', 'green'], var_name='colour')

将产生：

此时，您可以简单地将您的第一个数据框与它合并。

df.merge(melted, on=['class_name', 'size', 'colour'])

python - 从熊猫数据框中的多列中查找

问题描述

解决方案

推荐阅读