在第二个数据帧中创建/更新具有随机匹配的新字段

Question

我有一个数据帧Counties:

CountyID     CountyName     SalesRep     FiscalQuarter     Sales
185           Cuyahoga       Winslow      2Q19             4,564
276           Waterton       Smith        1Q17             900

还有第二个数据帧CountyZips，包含县ID及其包含的所有邮政编码：

CntyID     Zip
185          05643
185          05617
185          05866
276          32786
276          33465
276          34119

我想或者用新的"数据帧"更新第一数据帧；zip"；列或用该zip列生成新的数据帧；zip"；字段，该字段具有来自第二数据帧的Zip列的随机匹配。换句话说，在第二数据帧中存在与一个县ID相关联的多个zip；我只想得到其中一个(不是第一个或最后一个，而是随机的，从技术上讲，这可能是第一个或第二个，我只希望它不总是第一个或第一个，我不想指定第三个、第四个等匹配，因为有时可能只有一个匹配，或者没有匹配(。因此，我想要的结果(更新的数据帧1或新的数据帧(：

CountyID     Zip     CountyName     SalesRep     FiscalQuarter     Sales
185          05617   Cuyahoga       Winslow      2Q19             4,564
276          34119   Waterton       Smith        1Q17             900

请注意，zip是用数据帧2中的随机zip更新的，其中两个数据集之间的郡ID匹配。

我在之前的一个问题上找到了一个似乎适用的答案，解决方案是：

d1[d2, on = .(gender, year, code),
{ri <- sample(.N, 1L)
.(amount = amount[ri], status = status[ri])}, by = .EACHI]

我尝试过，根据需要修改数据帧和字段名称(我只匹配一个字段，而不是3个(，但所有尝试都出现了语法错误，包括我制作的数据帧、字段和数据与原始问题中的数据匹配，所以我不确定这是否是python版本控制问题(我使用的是python 3.7.4(

如果有人能帮我，我将不胜感激。谢谢你花时间

Answer 1

你可以做：

import random
df['Zip'] = df['CountyID'].map(zip_df.groupby('CntyID')['Zip'].agg(list)).apply(random.choice)
print(df)

输出

CountyID CountyName SalesRep FiscalQuarter  Sales    Zip
0       185   Cuyahoga  Winslow          2Q19  4,564   5617
1       276   Waterton    Smith          1Q17    900  32786

步骤：

map(zip_df.groupby('CntyID')['Zip'].agg(list))

为每个县创建一个可能的选择列表，然后：

.apply(random.choice)

随机选择一个。如果您想为同一县选择始终相同的zip，请使用：

import random
lookup = zip_df.groupby('CntyID')['Zip'].agg(lambda x: random.choice(x.tolist()))
df['Zip'] = df['CountyID'].map(lookup)
print(df)

输出

CountyID CountyName SalesRep FiscalQuarter  Sales    Zip
0       185   Cuyahoga  Winslow          2Q19  4,564   5617
1       276   Waterton    Smith          1Q17    900  32786