R'的等价物是什么；python熊猫/numpy的s match（）？

我是一个R用户，无法计算match（）的等效项。我需要使用这个函数来迭代一堆文件，获取一条关键信息，并将其合并回“url”上的当前数据结构。在R中，我会这样做：

logActions <- read.csv("data/logactions.csv")
logActions$class <- NA

files = dir("data/textContentClassified/")
for( i in 1:length(files)){
    tmp <- read.csv(files[i])
    logActions$class[match(logActions$url, tmp$url)] <- 
            tmp$class[match(tmp$url, logActions$url)]
}

所需输出为：

    url  action  class
0   foo.com  0   0
1   foo.com  1   0
2   bar.com  0   1

但是，我需要能够一遍又一遍地调用它，这样我才能迭代每个文件。

Edit：

如果所有右数据帧中的url都是唯一的，则可以将右数据帧作为一系列

类

按

url

索引，然后可以通过索引它来获取左侧每个url的类

from pandas import *
left = DataFrame({'url': ['foo.com', 'bar.com', 'foo.com', 'tmp', 'foo.com'], 'action': [0, 1, 0, 2, 4]})
left["klass"] = NaN
right1 = DataFrame({'url': ['foo.com', 'tmp'], 'klass': [10, 20]})
right2 = DataFrame({'url': ['bar.com'], 'klass': [30]})

left["klass"] = left.klass.combine_first(right1.set_index('url').klass[left.url].reset_index(drop=True))
left["klass"] = left.klass.combine_first(right2.set_index('url').klass[left.url].reset_index(drop=True))

print left

这是你想要的吗

import pandas as pd
left = pd.DataFrame({'url': ['foo.com', 'foo.com', 'bar.com'], 'action': [0, 1, 0]})
left["class"] = NaN
right1 = pd.DataFrame({'url': ['foo.com'], 'class': [0]})
right2 = pd.DataFrame({'url': ['bar.com'], 'class': [ 1]})

pd.merge(left.drop("class", axis=1), pd.concat([right1, right2]), on="url")

输出：

   action      url  class
0       0  foo.com      0
1       1  foo.com      0
2       0  bar.com      1

---

如果左侧的类列不全是NaN，您可以将其与结果结合起来。

以下是我最后使用的完整代码：

#read in df containing actions in chunks:
tp = read_csv('/data/logactions.csv', 
  quoting=csv.QUOTE_NONNUMERIC,
  iterator=True, chunksize=1000, 
  encoding='utf-8', skipinitialspace=True,
  error_bad_lines=False)
df = concat([chunk for chunk in tp], ignore_index=True)

# set classes to NaN
df["klass"] = NaN
df = df[notnull(df['url'])]
df = df.reset_index(drop=True)

# iterate over text files, match, grab klass
startdate = date(2013, 1, 1)
enddate = date(2013, 1, 26) 
d = startdate

while d <= enddate:
    dstring = d.isoformat()
    print dstring

    # Read in each file w/ classifications in chunks
    tp = read_csv('/data/textContentClassified/content{dstring}classfied.tsv'.format(**locals()), 
        sep = ',', quoting=csv.QUOTE_NONNUMERIC,
        iterator=True, chunksize=1000, 
        encoding='utf-8', skipinitialspace=True,
        error_bad_lines=False)
    thisdatedf = concat([chunk for chunk in tp], ignore_index=True)
    thisdatedf=thisdatedf.drop_duplicates(['url'])
    thisdatedf=thisdatedf.reset_index(drop=True)

    thisdatedf = thisdatedf[notnull(thisdatedf['url'])]
    df["klass"] = df.klass.combine_first(thisdatedf.set_index('url').klass[df.url].reset_index(drop=True))

    # Now iterate
    d = d + timedelta(days=1)

#读入包含块中操作的df：
tp=read_csv（'/data/logactions.csv'，
quoting=csv.QUOTE非数字，
迭代器=True，chunksize=1000，
encoding='utf-8'，skipinitialspace=True，
错误（错误行=错误）
df=concat（[chunk for chunk in tp]，ignore_index=True）
#将类设置为NaN
df[“klass”]=NaN
df=df[notnull（df['url']）]
df=df.reset_索引（drop=True）
#迭代文本文件，匹配，抓取klass
起始日期=日期（2013年1月1日）
enddate=日期（2013年1月26日）
d=起始日期
而d则注意到熊猫.match的存在，它与R
match的作用完全相同
 谢谢，但我需要为每个文件调用一次match（）等价项，这样这种方法就不起作用了：（在每个正确的数据帧中都是唯一的（但可以在dfs中重复）。理想情况下，这个问题的解决方案是不可知的。但我认为按url索引的类是正确的方法。嘿，韦斯，你能给我指一下pandas.match的文档吗？我在这里或这里没有看到它？谢谢！
In:pd.match（[1,2,3]，[1,2]）Out:array（[0,1，-1]，dtype=int64）
在匹配第二个数组中的第一个值时，似乎给出了0，在匹配第二个值时，给出了1，依此类推，在不匹配时，给出了-1。使用此解决方案时要小心。pd.match（[1,2,3,5,8,2]，[1,2,4,5,9,2]）生成数组（[0,5，-1,3，-1,5]）它只会返回一个匹配，而不是你希望的1和5。可能是最相关的。
#read in df containing actions in chunks:
tp = read_csv('/data/logactions.csv', 
  quoting=csv.QUOTE_NONNUMERIC,
  iterator=True, chunksize=1000, 
  encoding='utf-8', skipinitialspace=True,
  error_bad_lines=False)
df = concat([chunk for chunk in tp], ignore_index=True)

# set classes to NaN
df["klass"] = NaN
df = df[notnull(df['url'])]
df = df.reset_index(drop=True)

# iterate over text files, match, grab klass
startdate = date(2013, 1, 1)
enddate = date(2013, 1, 26) 
d = startdate

while d <= enddate:
    dstring = d.isoformat()
    print dstring

    # Read in each file w/ classifications in chunks
    tp = read_csv('/data/textContentClassified/content{dstring}classfied.tsv'.format(**locals()), 
        sep = ',', quoting=csv.QUOTE_NONNUMERIC,
        iterator=True, chunksize=1000, 
        encoding='utf-8', skipinitialspace=True,
        error_bad_lines=False)
    thisdatedf = concat([chunk for chunk in tp], ignore_index=True)
    thisdatedf=thisdatedf.drop_duplicates(['url'])
    thisdatedf=thisdatedf.reset_index(drop=True)

    thisdatedf = thisdatedf[notnull(thisdatedf['url'])]
    df["klass"] = df.klass.combine_first(thisdatedf.set_index('url').klass[df.url].reset_index(drop=True))

    # Now iterate
    d = d + timedelta(days=1)