我有两个数据框，我们称它们为 A 和 B，具有相同的索引(人员 ID)，但某些 ID 可能位于 A 而不是 B，并且反之亦然。此外，ID 在 B 中是非唯一的，而在数据帧 A 中是唯一的，所以我想
我想检查B以查看是否存在某些ID，然后针对该特定ID将最大B标签的一列添加到A中。
我尝试编写下面的函数作为 pandas .apply() 函数的参数。
def add_labels_to_dataframe(train_df,
id_col_name='person_id',
label_name="max_progress",
label_filepath=LABELS_SRC_FILE,
default_value=-1,
save=True):
"""
Add labels column to train_df
:param train_df: (DataFrame)
the training dataframe that needs labels
:param id_col_name: (str)
name of the ID column to use
:param label_name: (str)
the column name of the label to use (score/progress/is_X/etc)
:param label_filepath: (str)
filepath with IDs and associated labels
:param default_value: (int, or anything)
The default label to give when a person_id has no associated label
:return: (DataFrame)
updated dataframe with labels
"""
labels_df = pd.read_csv(label_filepath)
def get_max_score(row):
"""
DataFrame function to select max score when multiple exist per ID
:param row: (DataFrame)
A single row of the dataframe being modified
:return: (int)
returns elements of a Series that becomes a new column of the DataFrame
"""
# if person_id is in labels, then get max of labels
pdb.set_trace()
pid_labels_df = labels_df[row[id_col_name].isin(labels_df[id_col_name])]
if not pid_labels_df.empty and not pd.isnull(pid_labels_df[label_name].max()):
return 1 + pid_labels_df[label_name].max()
return default_value
train_df[label_name] = train_df.apply(get_max_score, axis=1)
if save:
train_df.to_csv(LABELED_TRAIN_DF_PATH)
return train_df
ValueError: ('Can only compare identically-labeled Series objects', 'occurred at index 0')
我知道我可以将两个数据帧索引转换为Python列表，检查值是否存在，然后创建一个新的数据帧，将旧行映射到标记值或某些默认-1，但我试图在Pandas中完成这一切，以便利用矢量化。
有人可以帮助我找到一种仅使用数据帧操作而不是转换为 Python 列表的简洁方法吗？
最佳答案
我认为*您将能够使用 groupby transform 来做到这一点:
df[label_name] = df.groupby("person_id").transform("max")
* 准确阅读代码试图执行的操作有点困难...
关于python - 根据索引是否存在于两个数据框中，选择并添加另一个数据框中的列值，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/56368717/