首页 文章

尝试在数据框中创建一个基于键是否在另一个数据帧中的值的pandas系列

提问于
浏览 次
4

简单地把它煮沸......

Dataframe 1 = yellow_fruits列是fruit_name和location

Dataframe 2 = red_fruits列是fruit_name和location

Dataframe 3 = fruit_montage列是fruit_name，pounds_of_fruit_needed，fresh

假设我想在Dataframe 3中添加一个名为“color”的列 . 如果水果是黄色，则值为黄色;如果水果为红色，则值为红色;如果水果为红色或黄色，则为未知值 .

基本上，伪代码......

如果水果在黄色水果数据框中，则黄色进入列中如果水果位于红色水果数据框中，则红色位于列中如果水果不在任何一个数据框中，则“未知”将出现在列中 .

我的代码产生了一个错误：

if df3['fruit_name'].isin(df1['fruit_name']):
        data = "'yellow"
    elif df3['fruit_name'].isin(df2['fruit_name']):
        data = "red"
    else:
        data = "unknown"

    df3['color'] = pd.Series(data, index = df3.index)

错误：

C：\ Anaconda2 \ lib \ site-packages \ pandas \ core \ generic.pyc in nonzero （self）890 raise ValueError（"The truth value of a {0} is ambiguous. " 891 "Use a.empty, a.bool(), a.item(), a.any() or a.all()." - > 892 .format（self . class . name ））893 894 bool = nonzero

ValueError：Series的真值是不明确的 . 使用a.empty，a.bool（），a.item（），a.any（）或a.all（） .

python pandas dataframe series

1 回答

  • 1

    经典的方法是使用您的条件作为索引器：

    df1 = pd.DataFrame({'fruit_name':['banana', 'lemon']})
df2 = pd.DataFrame({'fruit_name':['strawberry', 'apple']})
df3 = pd.DataFrame({'fruit_name':['lemon', 'rockmelon', 'apple']})

df3["color"] = "unknown"
df3["color"][df3['fruit_name'].isin(df1['fruit_name'])] = "yellow"
df3["color"][df3['fruit_name'].isin(df2['fruit_name'])] = "red"
df3

#   fruit_name    color
# 0      lemon   yellow
# 1  rockmelon  unknown
# 2      apple      red

    更实用的方法是将您的逻辑编写为函数并将其映射到系列中，但这可能会慢得多，因为pandas / numpy的很多速度来自使用向量化操作：

    def get_fruit_color(x):
    if x in df1['fruit_name'].unique():
        data = "yellow"
    elif x in df2['fruit_name'].unique():
        data = "red"
    else:
        data = "unknown"

    return data

df3["color"] = df3["fruit_name"].map(get_fruit_color)

    一种SQL启发的方法是将映射存储在数据帧中，并进行连接（在pandas中称为合并）;这应该是一个非常高效的选择 . 指定 how='left' 表示它将是左连接，因此如果未找到连接条件的匹配项，则该行仍将保留，并带有空值：

    colors = ([(x, 'yellow') for x in df1['fruit_name'].unique()] 
           + [(x, 'red') for x in df2['fruit_name'].unique()])
colors_df = pd.DataFrame(colors, columns = ['fruit_name', 'color'])
df3.merge(colors_df, how='left').fillna("unknown")

    最后，我最喜欢的方法（虽然可能它有点"clever"）将使用dict来映射你的值（这是一个特殊的熊猫伎俩），如果没有找到匹配，这将留下 NaN ，所以你可以用 fillna 填充这些：

    df3["color"] = df3["fruit_name"].map(dict(colors)).fillna("unknown")
    回复于

相关问题