Python 熊猫，将一个数据帧映射到另一个数据帧？

我不知道如何解决这个问题。我有3个数据帧；一个是真/假表[3532x622]，另一个是单系列整数[662x1]，另一个是我的主数据帧[3532x8]。真/假表是通过比较一系列点来创建的，这些点位于多边形内部，这就是为什么它具有它所具有的形状。我在下面列出了一张图表，说明我正在努力实现的目标

df_1       df_2                                   df_3    
  0          0      1     2         8     9         0
0 56489    0 True   False False ... False True    0 poly_a
1 45872    1 False  True  False ... True  False   1 poly_b
2 86932    2 False  True  False ... False False   2 poly_c
...        
8 45871
9 89641

转换为：

df_2
  0      1      2          8      9
0 56489  np.nan np.nan ... np.nan 89641
1 np.nan 86932  np.nan ... 45871  np.nan
2 np.nan 86932  np.nan ... np.nan np.nan

然后将其映射到主数据帧

df_3
  0      1 
0 poly_a 56489
1 ploy_a 89641
2 poly_b 86932
3 poly_b 45871
4 poly_c 86932

这就是我所开始的

# Creating Example Dataframes
df_1 = pd.DataFrame([56489, 45872, 89657, 56895, 87456])
df_2 = pd.DataFrame([[True, False, False, False, True],
                     [False, True, True, False, False],
                     [False, True, False, True, True]])
df_3 = pd.DataFrame(['poly_a', 'poly_b', 'poly_c'])

# Mapping dataframe 1 onto 2
for i in list(np.where(df_2 == True))[1]:
    df_new = pd.DataFrame(np.where(df_2 == True, df_1.iloc[i], np.nan))
    
df = pd.concat([df_3, df_new], axis=1, ignore_index=True)

---

我不知道从这里走到哪里。

我找到了一个解决方案，但它很难看。我讨厌所有的df=。。。但它是有效的

df_1 = pd.DataFrame([56489, 45872, 89657, 56895, 87456])
df_2 = pd.DataFrame([[True, False, False, False, True],
                     [False, True, True, False, False],
                     [False, True, False, True, True]])
df_3 = pd.DataFrame(['poly_a', 'poly_b', 'poly_c'])

for i in np.array(np.where(df_2 == True)).T:
    df_2.iloc[i[0], i[1]] = df_1.iloc[i[1]][0]
    
df = pd.concat([df_3, df_2], axis=1, ignore_index=True)

df = pd.melt(df, id_vars=0)
df = df.drop('variable', axis=1)

df = df.sort_values(0)
df = df.reset_index()
df = df.drop('index', axis=1)

df['value'] = df['value'].astype(str)
df[df.value.apply(lambda x: x.isnumeric())]

---

这应该可以做到：

导入numpy
进口大熊猫
#创建示例数据帧
df_1=pandas.DataFrame（[5648945872896575687456]）
df_2=pandas.DataFrame(
[
[真，假，假，假，真]，
[假，真，真，假，假]，
[假，真，假，真，真]，
]
)
df_3=pandas.DataFrame（[“poly_a”、“poly_b”、“poly_c”]）
def替换_值（行：pandas.Series）->pandas.Series:
#复制df_1（第一行），但将其翻转为列
c=df_1.T.copy（）.iloc[0]
#使用行中的布尔值作为索引，将False替换为NaN
c、 loc[~row]=numpy.nan
返回c
#合并2和1
组合=df_2.应用（替换_值，轴=1）
#加3
结果=pandas.concat（[df_3，组合]，轴=1，忽略索引=True）

输出：

打印（结果）
0        1        2        3        4        5
0 poly_a 56489.0楠楠87456.0
1 poly_b NaN 45872.0 89657.0 NaN NaN NaN
2 poly_c NaN 45872.0 NaN 56895.0 87456.0

谢谢！我把我的解决方案贴在上面。我需要读更多关于python和pandas的书。了解更多！这比我想出来的要可读得多。