假设您有三个组(A、B、C),它们的组成部分概述如下:
+-------+-----------+
| Group | Component |
+-------+-----------+
| A | 31 |
| A | 322 |
| A | 323 |
| B | 321 |
| B | 327 |
| B | 33 |
| C | 31 |
| C | 32 |
| C | 33 |
+-------+-----------+
这可以存储在称为“组”的数据框或字典中。请注意,各组之间存在重叠。
我有以下名为“df”的值数据框(实际表更大):
+--------+----------+--------+
| Sender | Receiver | Value |
+--------+----------+--------+
| 312345 | 313452 | 1022.1 |
| 320952 | 327901 | 4921.0 |
+--------+----------+--------+
我想以某种方式将“组”表与“df”连接起来,这样我就有了两列,每列显示发送方和接收方关联的组,具体取决于发送方/接收方代码是否包含组件。我只想查看两组相同的情况。目标表如下所示:
+--------+----------+--------+--------------+----------------+
| Sender | Receiver | Value | Sender_Group | Receiver_Group |
+--------+----------+--------+--------------+----------------+
| 312345 | 313452 | 1022.1 | A | A |
| 312345 | 313452 | 1022.1 | C | C |
| 320952 | 327901 | 4921.0 | C | C |
+--------+----------+--------+--------------+----------------+
请注意,尽管 327901 与组 B 关联,但 320952 不关联,因此未显示。最终目标是将每个组的值相加。
我试过这样的:
pat = "|".join(groups.Component.astype('str'))
df.insert(0, 'Sender_Group', df['Sender'].str.extract("(" + pat + ')', expand=False))
df.insert(1, 'Receiver_Group', df['Receiver'].str.extract("(" + pat + ')', expand=False))
new_df = df.query('Sender_Group == Receiver_Group')
但是,这样做的限制是每个发送者/接收者只能与一个组相关联。我需要一个允许它们与多个相关联的解决方案。有什么想法吗?
最佳答案
您可以使用代表发送者(接收者)所属的所有组的列作为列表
。然后您可以将此列扩展为多行,如前所述 for this question .
df['sender_group'] = df['sender'].apply(
lambda x: groups['group'][groups['component'].apply(
lambda y: str(y) in str(x)
)].values
)
给出
sender receiver value sender_group
0 312345 313452 1022.1 [A, C]
1 320952 327901 4921.0 [C]
对于接收者,过程是相似的。
扩张
扩展列的方法请引用this question .这里给出了一个例子:
indices = np.repeat(df.index.values, df['sender_group'].str.len())
df = df.loc[indices]\
.assign(sender_group=np.concatenate(df['sender_group'].values))\
.reset_index(drop=True)
给出
sender receiver value sender_group
0 312345 313452 1022.1 A
1 312345 313452 1022.1 C
2 320952 327901 4921.0 C
使用的变量:
groups = pd.DataFrame(
columns=['group', 'component'],
data=[['A', 31],
['A', 322],
['A', 323],
['B', 321],
['B', 327],
['B', 33],
['C', 31],
['C', 32],
['C', 33],]
)
df = pd.DataFrame(
columns=['sender', 'receiver', 'value'],
data=[[312345, 313452, 1022.1],
[320952, 327901, 4921.0]]
)
关于python - 根据子串匹配列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51254735/