python - 使用基于数据框中其他列的函数向 pandas 数据框添加值

Question

这听起来与很多SO问题相似，但我实际上还没有找到它；如果在这里，请随时链接，我会删除。

我有两个数据框。第一个看起来像这样:

owned   category                            weight  mechanics_split
28156   Environmental, Medical              2.8023  [Action Point Allowance System, Co-operative P...
9269    Card Game, Civilization, Economic   4.3073  [Action Point Allowance System, Auction/Biddin...
36707   Modern Warfare, Political, Wargame  3.5293  [Area Control / Area Influence, Campaign / Bat...

第二个看起来像这样:

    type                            amount  owned
0   Action Point Allowance System   378     0
1   Co-operative Play               302     0
2   Hand Management                 1308    0
3   Point to Point Movement         278     0
4   Set Collection                  708     0
5   Trading                         142     0

我想做的是迭代mechanics_split中的每个单词，以便将第一个数据帧中的owned值添加到owned中第二个数据框中的 code> 列。例如，如果 Dice Rolling 位于 mechanics_split 列中 games 的第一行，则该整行的拥有金额将添加到 games_owned['owned' ] 等，对于整个数据帧中 mechanics_split 列表中的每个值。

到目前为止，我已经尝试过:

owned_dict = {}
def total_owned(x):
    for e in x:
        if e not in owned_dict:
            owned_dict[e] = 0
        if e in owned_dict:
            owned_dict[e] += games['owned'][x]
    return owned_dict

返回:

KeyError: "None of [['Action Point Allowance System', 'Co-operative Play', 'Hand Management', 'Point to Point Movement', 'Set Collection', 'Trading', 'Variable Player Powers']] are in the [index]"

如果我在 e 之前添加另一个字母，我会被告知需要解压的值太多。我还尝试跳过字典并仅使用 otherdf['owned'][e] += games['owned'][x] 无济于事。

我可能从根本上误解了索引在 pandas 中的工作原理以及如何将值索引到行，所以如果我是这样，请告诉我。非常感谢您的帮助。

编辑:我通过使用“otherdf.index = otherdf.types”将第二个数据帧的索引更改为“types”列解决了部分问题，但仍然存在传输数据的问题来自第一个数据帧的拥有值。

Answer 1

我同意你的观点，使用“类型”列作为基于标签的索引会让事情变得更容易。完成此操作后，您可以迭代第一个数据帧的行，然后使用 . loc method .

for row_1 in df_1.itterrows():
  owned_value = row_1[1]['owned'] #iterrows() enumeration generator over rows      
  mechanics =  row_1[1]['mechanics_split']
  for type_string in mechanics:
    df_2.loc[type_string,('owned')] += owned_value

此外，我建议阅读 how Pandas handles indexing帮助您在继续使用 Python 时避免任何“陷阱”。