熊猫将一列映射到两列的组合

Posted 2023-02-23

【中文标题】熊猫将一列映射到两列的组合

【英文标题】：pandas map one column to the combination of two columns

【发布时间】：2019-05-19 09:00:15

【问题描述】：

我正在使用一个看起来像这样的DataFrame

List    Numb    Name
1       1       one
1       2       two
2       3       three
4       4       four
3       5       five

我正在尝试计算以下输出。

List    Numb    Name
one     1       one
one     2       two
two     3       three
four    4       four
three   5       five

在我目前的方法中，我尝试遍历列，然后用第三列的内容替换值。

例如，如果List[0][1] 等于Numb[1][1]，则将List[0][1] 列替换为'one'。

我怎样才能使这样的迭代工作，或者在根本不显式迭代的情况下解决问题？

【问题讨论】：

如果这与pandas有关，您应该添加适当的标签。

@N.P.那是错误的。他希望在同一个 df 上合并或在 Excel 术语中进行索引匹配

对不起，错过了，你是说这个吗？：df['List'] = [df.loc[df['Numb'] == i, 'Name'] for i in df['List']]

我认为我编辑的标题比原来的要好，因为这个问题实际上与迭代无关。但是，“组合”这个词相当模糊，所以任何能想到更好标题的人都欢迎编辑问题。

【参考方案1】：

使用地图

df['List'] = df['List'].map(df.set_index('Numb')['Name'])


    List    Numb    Name
0   one     1   one
1   one     2   two
2   two     3   three
3   four    4   four
4   three   5   five

【参考方案2】：

创建一个字典来帮助你怎么样？

import pandas as pd

df = pd.DataFrame('List': [1, 1, 2, 4, 3], 'Numb': [1, 2, 3, 4, 5], 'Name': ['one', 'two', 'three', 'four', 'five'])

d = dict(zip(df['Numb'], df['Name']))
df = df.replace('List': d)

【参考方案3】：

您可以在一行中完成此操作。看起来你想将你的数据框加入到自身上：

df.rename(columns="List": "List_numb").join(df.set_index("Numb")["Name"].to_frame("List"), on="List_numb")[["List", "Numb", "Name"]]

【参考方案4】：

使用set_index，然后使用reindex：

df['List'] = df.set_index('Numb')['Name'].reindex(df['List']).values

print(df)

    List  Numb   Name
0    one     1    one
1    one     2    two
2    two     3  three
3   four     4   four
4  three     5   five

【参考方案5】：

import pandas as pd

df = pd.DataFrame(
        'List': [1,1,2,4,3],
        'Numb': [1,2,3,4,5],
        'Name':['one','two','three','four','five']
        )

dfnew = pd.merge(df, df, how='inner', left_on=['List'], right_on=['Numb'])
dfnew = dfnew.rename('List_x': 'List', 'Numb_x': 'Numb', 'Name_y': 'Name', axis='columns')
dfnew = dfnew[['List','Numb','Name']]
dfnew['List'] = dfnew['Name']

print (dfnew)
#    List  Numb   Name
#0    one     1    one
#1    one     2    one
#2    two     3    two
#3   four     4   four
#4  three     5  three

【参考方案6】：

类似于Vaishali's answer 的答案，但显式构建Series 似乎要快一些。

df['List'] = df['List'].map(pd.Series(df['Name'].values, df['Numb']))

Timings（Numb 和 Name 列有唯一值的虚拟数据，到目前为止我只包括了三个最快的解决方案）：

>>> df                                                                                                                 
      List  Numb        Name
0        1     1       one_0
1        1     2       two_1
2        2     3     three_2
3        4     4      four_3
4        3     5      five_4
...    ...   ...         ...
4995     1  4996    one_4995
4996     1  4997    two_4996
4997     2  4998  three_4997
4998     4  4999   four_4998
4999     3  5000   five_4999

[5000 rows x 3 columns]

# Timings (i5-6200U CPU @ 2.30GHz, but only relative times are interesting)
>>> %timeit df.set_index('Numb')['Name'].reindex(df['List']).values # jpp                                              
1.14 ms ± 3.36 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
>>> %timeit df['List'].map(df.set_index('Numb')['Name']) # Vaishali                                                    
1.04 ms ± 7.13 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
>>> %timeit df['List'].map(pd.Series(df['Name'].values, df['Numb'])) # timgeb                                                   
437 µs ± 3.16 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)