我有三个数据集( final_NN
、 ppt_code
、 herd_id
),我想在 MapValue
数据帧中添加一个名为 final_NN
的新列,要添加的值可以从其他两个数据帧中检索,规则在代码后的底部。
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
预期输出: 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:number
不是 Unknown
, MapValue
= number
中的 final_NN
; number
是Unknown
但code
中的final_NN
不为Null,则搜索ppt_code数据帧,使用code
及其对应的“number”映射并填写final_NN
中的“MapValue”; number
中的code
和final_NN
分别为Unknown
和null,但ID
中的final_NN
不为Null,则搜索herd_id
数据帧,将ID
及其对应的number
填入第一个MapValue
数据帧。我在数据帧中应用了一个循环,这是实现此目的的缓慢方法,如上所述。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实现相同的结果吗? 最佳答案
首先从 ppt_code
和 herd_id
数据帧创建一个映射系列,然后使用 Series.replace
创建一个新列 MapNumber
通过用 Unknown
替换 number
列中的 np.NaN
值,然后使用两个连续的 Series.fillna
和 Series.map
来根据 o 填充缺失值到 MapNumber
列规则:
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
关于python - 一种在多个数据集中映射数据的更好方法,具有多个数据映射规则,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/62527486/