对两个数据帧进行条件对齐，以便在numpy where中派生作为条件传入的列

Question

我来自SQL背景，是python的新手。一段时间以来，我一直在想如何解决这个特殊的问题，但什么都想不出来。

这是我的数据帧

from pandas import DataFrame
import numpy as np
Names1 = {'First_name': ['Jon','Bill','Billing','Maria','Martha','Emma']}
df = DataFrame(Names1,columns=['First_name'])
print(df)
names2 = {'name': ['Jo', 'Bi', 'Ma']}
df_2 = DataFrame(names2,columns=['name'])
print(df_2)

结果：

First_name
0        Jon
1       Bill
2    Billing
3      Maria
4     Martha
5       Emma
name
0   Jo
1   Bi
2   Ma

这段代码帮助我在df中识别哪个First_name以df_2中的元组开头

df['like_flg'] = np.where(df['First_name'].str.startswith(tuple(list(df_2['name']))), 'true', df['First_name'])

结果：

First_name  like_flg
0   Jon     true
1   Bill    true
2   Billing true
3   Maria   true
4   Martha  true
5   Emma    Emma

我希望数据帧的最终输出将like_flg设置为有条件比较First_name字段的元组的值。最终期望输出见下文：

First_name  like_flg
0   Jon     Jo
1   Bill    Bi
2   Billing Bi
3   Maria   Ma
4   Martha  Ma
5   Emma    Emma

以下是我迄今为止尝试过的

df['like_flg'] = np.where(df['First_name'].str.startswith(tuple(list(df_2['name']))), tuple(list(df_2['name'])), df['First_name'])

此错误的结果：

`ValueError: operands could not be broadcast together with shapes (6,) (3,) (6,)` 

然而，我也尝试过对齐这两个数据帧，这对我试图实现的用例不起作用。

有没有一种方法可以有条件地对齐数据帧以填充以元组开头的列？

我相信我面临的问题是，我用作比较的元组或数据帧与我想将元组附加到的数据帧大小不同。请参阅上面的内容以获得所需的输出。

提前感谢大家！

Answer 1

如果起始字符串的长度不同，可以使用.str.extract

df['like_flag'] = df['First_name'].str.extract('^('+'|'.join(df_2.name)+')')
df['like_flag'] = df['like_flag'].fillna(df.First_name)  # Fill non matches.

---

我将df_2修改为

name
0   Jo
1   Bi
2  Mar

这导致：

First_name like_flag
0        Jon        Jo
1       Bill        Bi
2    Billing        Bi
3      Maria       Mar
4     Martha       Mar
5       Emma      Emma

Answer 2

您可以使用np.where，

df['like_flg'] = np.where(df.First_name.str[:2].isin(df_2.name), df.First_name.str[:2], df.First_name)
First_name  like_flg
0   Jon         Jo
1   Bill        Bi
2   Billing     Bi
3   Maria       Ma
4   Martha      Ma
5   Emma        Emma

Answer 3

使用numpyfind

v=df.First_name.values.astype(str)
s=df_2.name.values.astype(str)
df_2.name.dot((np.char.find(v,s[:,None])==0))
array(['Jo', 'Bi', 'Bi', 'Ma', 'Ma', ''], dtype=object)

然后我们把它分配回

df['New']=df_2.name.dot((np.char.find(v,s[:,None])==0))
df.loc[df['New']=='','New']=df.First_name
df
First_name   New
0        Jon    Jo
1       Bill    Bi
2    Billing    Bi
3      Maria    Ma
4     Martha    Ma
5       Emma  Emma