我有三个数据集(final_NN
、ppt_code
、herd_id
(,我想在final_NN
数据帧中添加一个名为MapValue
的新列,要添加的值可以从另外两个数据帧中检索,规则在代码后面的底部。
import pandas as pd
final_NN = pd.DataFrame({
"number": [123, 456, "Unknown", "Unknown", "Unknown", "Unknown", "Unknown", "Unknown", "Unknown", "Unknown"],
"ID": ["", "", "", "", "", "", "", "", 799, 813],
"code": ["", "", "AA", "AA", "BB", "BB", "BB", "CC", "", ""]
})
ppt_code = pd.DataFrame({
"code": ["AA", "AA", "BB", "BB", "CC"],
"number": [11, 11, 22, 22, 33]
})
herd_id = pd.DataFrame({
"ID": [799, 813],
"number": [678, 789]
})
new_column = pd.Series([])
for i in range(len(final_NN)):
if final_NN["number"][i] != "" and final_NN["number"][i] != "Unknown":
new_column[i] = final_NN['number'][i]
elif final_NN["code"][i] != "":
for p in range(len(ppt_code)):
if ppt_code["code"][p] == final_NN["code"][i]:
new_column[i] = ppt_code["number"][p]
elif final_NN["ID"][i] != "":
for h in range(len(herd_id)):
if herd_id["ID"][h] == final_NN["ID"][i]:
new_column[i] = herd_id["number"][h]
else:
new_column[i] = ""
final_NN.insert(3, "MapValue", new_column)
print(final_NN)
final_NN:
number ID code
0 123
1 456
2 Unknown AA
3 Unknown AA
4 Unknown BB
5 Unknown BB
6 Unknown BB
7 Unknown CC
8 Unknown 799
9 Unknown 813
ppt_code:
code number
0 AA 11
1 AA 11
2 BB 22
3 BB 22
4 CC 33
herd_id:
ID number
0 799 678
1 813 789
预期产出:
number ID code MapValue
0 123 123
1 456 456
2 Unknown AA 11
3 Unknown AA 11
4 Unknown BB 22
5 Unknown BB 22
6 Unknown BB 22
7 Unknown CC 33
8 Unknown 799 678
9 Unknown 813 789
规则是:
- 如果final_NN中的
number
不是Unknown
,则MapValue
=final_NN
中的number
; - 如果final_NN中的
number
Unknown
但final_NN
中的code
不为空,则搜索ppt_code数据帧,并使用code
及其对应的"数字"进行映射并填写final_NN
中的"MapValue"; - 如果
final_NN
中的number
和code
分别是Unknown
和空,但final_NN
中的ID
不是空,则搜索herd_id
数据帧,并使用ID
及其对应的number
填充第一个数据帧中的MapValue
。如上所述,我在数据帧中应用了一个循环,这是一种缓慢的实现方式。但我知道可能有更快的方法来做到这一点。只是想知道有人会帮助我有一种快速简便的方法来达到相同的结果吗?
首先从ppt_code
和herd_id
数据帧创建一个映射序列,然后使用Series.replace
创建一个新的列MapNumber
,将number
列中的Unknown
值替换为np.NaN
,然后使用两个连续的Series.fillna
和Series.map
根据规则填充MapNumber
列中的缺失值:
ppt_map = ppt_code.drop_duplicates(subset=['code']).set_index('code')['number']
hrd_map = herd_id.drop_duplicates(subset=['ID']).set_index('ID')['number']
final_NN['MapNumber'] = final_NN['number'].replace({'Unknown': np.nan})
final_NN['MapNumber'] = (
final_NN['MapNumber']
.fillna(final_NN['code'].map(ppt_map))
.fillna(final_NN['ID'].map(hrd_map))
)
结果:
# print(final_NN)
number ID code MapNumber
0 123 123.0
1 456 456.0
2 Unknown AA 11.0
3 Unknown AA 11.0
4 Unknown BB 22.0
5 Unknown BB 22.0
6 Unknown BB 22.0
7 Unknown CC 33.0
8 Unknown 799 678.0
9 Unknown 813 789.0
我们简单地组合了三个数据框。
- 原始 DF 删除"未知"行。
- "ppt_code"更改列名称。
- 'pandas.concat((' 将它们连接在一起。
final_NN['number'].replace('Unknown', np.NaN, inplace=True)
final_NN.dropna(inplace=True, how='any')
ppt_code.rename(columns={'code':'ID'}, inplace=True)
new_df = pd.concat([final_NN, ppt_code, herd_id], axis=0, ignore_index=True)
new_df
number ID code
0 123.0
1 456.0
2 11.0 AA NaN
3 11.0 AA NaN
4 22.0 BB NaN
5 22.0 BB NaN
6 33.0 CC NaN
7 678.0 799 NaN
8 789.0 813 NaN