如何根据 Row_id 列将值写入数据框的另一列并且匹配列中存在值？

Posted 2023-03-11

【中文标题】如何根据 Row_id 列将值写入数据框的另一列并且匹配列中存在值？

【英文标题】：How to write the values to another column of dataframe based on Row_id column and value exist in match column?

【发布时间】：2022-01-24 05:55:37

【问题描述】：

我有一个像这样的数据框，其中包含 ROW_ID 和 Matches 列。根据 Matches 列中每一行的值，我应该在 Result 列中写入。例如，在第一行，我们有 ； ALL MATCH -3，所以在新列Result中，这个； ALL MATCH 应该出现在 ROW_ID 3. 在第 8 个 ROW_ID 中，我们有 ；全场比赛-9；差异在# -10。所以在我们的 Result 列 ; ALL MATCH 应出现在 ROW_ID 9 和 中； Diff in# 应该存在于 ROW_ID 10

ROW_ID	Matches
1	; ALL MATCH -3
2
3
4
5	; ALL MATCH -6
6
7
8	; ALL MATCH -9; Diff in# -10
9
10

也就是说最终的dataframe应该是这样的。

ROW_ID	Result
1
2
3	; ALL MATCH
4
5
6	; ALL MATCH
7
8
9	; ALL MATCH
10	; Diff in#

我尝试了很多，我使用 dataframe.iterrows() 分别提取了每一行的 int 值和其他部分。但我无法将该值打印到特定位置。 df.at[] 方法不起作用。 loc 和 iloc 我也试过了，但没有得到如何将该字符串打印到该列的特定行。

【问题讨论】：

这是您最复杂的案例吗？除了空的或以“; ALL MATCH”开头的元素之外，你可以有其他元素吗？其他栏目？等等

【参考方案1】：

试试：

df['Result'] = df['ROW_ID'].map(
    df['Matches'].str.extractall('(; [^-]+) -(\d+)')
                 .astype(1: int).set_index(1).squeeze()
).fillna('')

输出：

>>> df
   ROW_ID                       Matches       Result
0       1                ; ALL MATCH -3             
1       2                                           
2       3                                ; ALL MATCH
3       4                                           
4       5                ; ALL MATCH -6             
5       6                                ; ALL MATCH
6       7                                           
7       8  ; ALL MATCH -9; Diff in# -10             
8       9                                ; ALL MATCH
9      10                                 ; Diff in#

# Details about extractall
>>> df['Matches'].str.extractall('(; [^-]+) -(\d+)')
                   0   1
  match                 
0 0      ; ALL MATCH   3
4 0      ; ALL MATCH   6
7 0      ; ALL MATCH   9
  1       ; Diff in#  10

【参考方案2】：

创建一个临时 DataFrame 为：

wrk = df.Matches.str.extractall(r'(?P<Result>;\D+)-(?P<id>\d+)')

然后从 Result 列中去除尾随空格：

wrk.Result = wrk.Result.str.strip()

下一步是将id列的类型改为int，如下 到目前为止它是 object 类型（实际上是一个 string）：

wrk.id = wrk.id.astype('int64')

并将其设置为索引：

wrk.set_index('id', inplace=True)

现在wrk其实是一个系列，包含：

         Result
id             
3   ; ALL MATCH
6   ; ALL MATCH
9   ; ALL MATCH
10   ; Diff in#

然后，要生成结果，运行：

res = df.merge(wrk, how='left', left_on='ROW_ID', right_index=True)

结果是：

   ROW_ID                       Matches       Result
0       1                ; ALL MATCH -3          NaN
1       2                           NaN          NaN
2       3                           NaN  ; ALL MATCH
3       4                           NaN          NaN
4       5                ; ALL MATCH -6          NaN
5       6                           NaN  ; ALL MATCH
6       7                           NaN          NaN
7       8  ; ALL MATCH -9; Diff in# -10          NaN
8       9                           NaN  ; ALL MATCH
9      10                           NaN   ; Diff in#

如果您不想在“未填充”字段中出现“NaN”，请附加 .fillna('') 到最后一条指令。