我的代码有一个问题，并试图自己解决它，但它已经花费了很多时间，仍然失败。
我有两个这样的数据帧。
df_doc
doc_id subgroup_doc
12345 A01B13/42
67891 B01C10/257
23456 C02D7/18
和df_check
subgroup_doc main sg_1 sg_2 sg_3 sg_4
A01B13/42 13/00 13/04 13/42 NaN NaN
B01C10/257 10/00 10/02 10/25 10/257 NaN
C02D7/18 7/00 7/01 7/18 NaN NaN
我想得到这样的结果
doc_id subgroup_doc doc_group
12345 A01B13/42 sg_2
67891 B01C10/257 sg_3
23456 C02D7/18 sg_2
def checkdot_ipc_sg2_v2(raw_data,check_group):
new_raw_data = raw_data[['doc_id','subgroup_doc']]
merge_find_group = pd.merge(new_raw_data, check_group, how='left', on=['subgroup_doc'])
t_doc = merge_find_group.subgroup_doc.str.split('/')
s_doc_sg2 = merge_find_group.sg_2.str.split('/')
s_doc_sg1 = merge_find_group.sg_1.str.split('/')
s_doc_sg0 = merge_find_group.maingroup.str.split('/')
raw_data['doc_checkgp'] = t_doc.str[0]+ "/" + s_doc_sg2.str[1].str[:]
raw_data['doc_group'] = 'sg_2'
if(raw_data['doc_checkgp'].isna().any()):
raw_data['doc_checkgp'].fillna(t_doc.str[0]+ "/" + s_doc_sg1.str[1].str[:], inplace=True)
raw_data['doc_group'] = 'sg_1'
if(raw_data['doc_checkgp'].isna().any()):
raw_data['doc_checkgp'].fillna(t_doc.str[0]+ "/" + s_doc_sg0.str[1].str[:], inplace=True)
raw_data['doc_group'] = 'sg_0'
，但结果返回为
doc_id subgroup_doc doc_checkgp doc_group
12345 A01B13/42 A01B13/42 sg_0
67891 B01C10/257 B01C10/257 sg_0
23456 C02D7/18 C02D7/18 sg_0
我写错了什么吗?我想我没有把if-condition写错。
df = df_chk.fillna('N/N').applymap(lambda x: x.split('/')[1])
s = df.iloc[:, 2:].eq(df['subgroup_doc'], axis=0).apply(lambda x: x.idxmax(), axis=1)
df_doc.assign(doc_group=s)
N/N只是一个与已有的不重叠的例子
df_doc.assign(doc_group=s):
doc_id subgroup_doc doc_group
0 12345 A01B13/42 sg_2
1 67891 B01C10/257 sg_3
2 23456 C02D7/18 sg_2
您可以使用:
dfx = df_doc.merge(df_check,on='subgroup_doc')
dfx['key_1'] = dfx['subgroup_doc'].str.split('/').str[1]
'''
key_1
0 42
1 257
2 18
'''
对于每一行，让我们使用split拆分名为cols的列表中列的值，如果/之后的值返回列名匹配key_1的值
cols = ['main','sg_1','sg_2','sg_3','sg_4']
dfx['check'] = dfx.apply(lambda x: [i if pd.notna(x[i]) and x['key_1'] == x[i].split('/')[1] else False for i in cols],axis=1)
'''
| | doc_id | subgroup_doc | main | sg_1 | sg_2 | sg_3 | sg_4 | key_1 | check |
|---:|---------:|:---------------|:-------|:-------|:-------|:-------|-------:|--------:|:-------------------------------------|
| 0 | 12345 | A01B13/42 | 13/00 | 13/04 | 13/42 | nan | nan | 42 | [False, False, 'sg_2', False, False] |
| 1 | 67891 | B01C10/257 | 10/00 | 10/02 | 10/25 | 10/257 | nan | 257 | [False, False, False, 'sg_3', False] |
| 2 | 23456 | C02D7/18 | 7/00 | 7/01 | 7/18 | nan | nan | 18 | [False, False, 'sg_2', False, False] |
'''
让我们删除假元素:
dfx['check'] = dfx['check'].apply(lambda x: [i for i in x if i]).explode()
输出::
dfx=dfx[['doc_id','subgroup_doc','check']]
| | doc_id | subgroup_doc | check |
|---:|---------:|:---------------|:--------|
| 0 | 12345 | A01B13/42 | sg_2 |
| 1 | 67891 | B01C10/257 | sg_3 |
| 2 | 23456 | C02D7/18 | sg_2 |
不太清楚df_doc和df_check的组合如何产生您想要的结果。
但也许你想要这样的东西?In [65]: df_doc.merge(df_check, on="subgroup_doc")
Out[65]:
doc_id subgroup_doc main sg_1 sg_2 sg_3 sg_4
0 12345 A01B13/42 13/00 13/04 13/42 NaN NaN
1 67891 B01C10/257 10/00 10/02 10/25 10/257 NaN
2 23456 C02D7/18 7/00 7/01 7/18 NaN NaN
您想获得df_check的列名有一个条目吗?仍然不确定你的目标是什么。但我猜这是你想要的东西。
In [77]: df_doc.merge(df_check, on="subgroup_doc").set_index(["doc_id", "subgro
...: up_doc"]).stack().reset_index().drop(0,axis=1)
Out[77]:
doc_id subgroup_doc level_2
0 12345 A01B13/42 main
1 12345 A01B13/42 sg_1
2 12345 A01B13/42 sg_2
3 67891 B01C10/257 main
4 67891 B01C10/257 sg_1
5 67891 B01C10/257 sg_2
6 67891 B01C10/257 sg_3
7 23456 C02D7/18 main
8 23456 C02D7/18 sg_1
9 23456 C02D7/18 sg_2