我有两个数据帧。
[2500 rows x 4 columns]
Kundenname Adresse Ort PLZ
0 Amt Nortorfer Land Niedernstraße 6 Nortorf 24539.0
1 Nord GmbH Heilbadstr. 85 Münster 24529.0
2 Vertrieb GmbH Straße 4 Kassel 31117.0
.......
[1900 rows x 38 columns]
0 1 2 3 4 5 ... 32 33 34 35 36 37
0 (0 118 1999 2117) None None ... None None None None None None
1 (1 2000) None None None ....
....
结果应该是这样的:
Kundenname Adresse Ort PLZ
0 Amt Nortorfer Land Niedernstraße 6 Nortorf 24589.0
118 Amt Nortorfer Land Niedernstraße 6 Nortorf 24589.0
1999 Amt Nortorfer Land Niedernstraße 6 Nortorf 24589.0
2117 Amt Nortorfer Land Niedernstraße 6 Nortorf 24589.0
1 ......
2000 ......
等等。
我只是用df.loc[[9,118,1999,2117]]
做了这件事,但我需要一个循环或一些不必手动输入的东西。
当df1是包含地址数据的数据帧,而df2是索引数据帧时,如下所示:
df2 = pd.DataFrame({0:[0,1], 1:[118, 2000], 2:[1999, None], 3:[2117, None], 4:[None, None]})
您可以使用melt:重写index_dataframe(df2(
index_values = pd.melt(df2.reset_index(), id_vars='index').set_index('index')[['value']].dropna()
这将给您以下结果:
value
index
0 0
1 1
0 118
1 2000
0 1999
0 2117
您可以使用它与您的df1:合并
index_values.merge(df1, left_index=True, right_index=True).set_index('value')
结果:
Kundenname Adresse Ort PLZ
value
0.0 Amt Nortorfer Land Niedernstraße 6 Nortorf 24539.0
118.0 Amt Nortorfer Land Niedernstraße 6 Nortorf 24539.0
1999.0 Amt Nortorfer Land Niedernstraße 6 Nortorf 24539.0
2117.0 Amt Nortorfer Land Niedernstraße 6 Nortorf 24539.0
1.0 Nord GmbH Heilbadstr. 85 Münster 24529.0
2000.0 Nord GmbH Heilbadstr. 85 Münster 24529.0
如果df2真的像T先生所问的那样包含括号,那么你当然应该先去掉这些。假设所有的df2值都是字符串,这意味着要执行以下操作:
index_values.value = index_values.value.str.replace('(', '').str.replace(')', '').astype(float)