Python 在熊猫蟒蛇中，“我该怎么做？”；“黑名单”；或；“白名单”；数据帧中的数字

我有两个数据帧，我想用df1中允许的第一个数字向df添加一个新列，但每个组中的数字数量相同，当它再次从1开始时，它需要查看允许的数字中的第一个数字

df1 = pd.DataFrame({'Allowed_numbers': [3,4,5,6,8,9,12,15,17,24,28,29,30]})
df = pd.DataFrame({'order_out': [1,2,3,4,5,6,7,8,9,1,2,3,4,5,6,7,8,9,1,2,3,4,5,6,7,8,9]})

我想要这个：

      order_y  y_goal
0         1       3
1         2       4
2         3       5
3         4       6
4         5       8
5         6       9
6         7      12
7         8      15
8         9      17
9         1       3
10        2       4
11        3       5
12        4       6
13        5       8
14        6       9
15        7      12
16        8      15
17        9      17
...

我试过一些东西

df= bags.sort_values(['order_out'])
df.loc[:, 'y_goal'] = pd.Series(Allowed_numbers)

还有这个

    order_out y_goal
0         1     3.0
1         2     4.0
2         3     5.0
3         4     6.0
4         5     8.0
5         6     9.0
6         7    12.0
7         8    15.0
8         9    17.0
9         1    24.0
10        2    28.0
11        3    29.0
12        4    30.0
13        5     NaN
14        6     NaN
15        7     NaN
16        8     NaN
17        9     NaN
...

---

我也在考虑一些相互对应的映射数字，因为1的顺序永远是3的。order\u out也可能有不同长度的数字行，不一定总是9。

您可以使用

order\u out

作为df1的索引（我们减去1以将1索引转换为0索引）：

现在我们可以重置y_目标上的索引，并整齐地合并两列：

df['y_goal'] = y_goal.reset_index(drop = True)

---

您也可以在此处使用列表：

df['y_goal'] = [df1['Allowed_numbers'][x - 1] for x in df['order_out']]

考虑哪一个可以将列与其他数据帧的索引相匹配。但是，由于排序不是从零开始的，因此在合并后使用要删除的临时列

df_结果=（df.assign（key=lambda x:x[“order_out”].sub（1））
.merge（df1，left_on=“key”，right_index=True，how=“left”）
.drop（“键”，axis=“列”）
)

输出

df\u结果
订购允许的号码
0           1                3
1           2                4
2           3                5
3           4                6
4           5                8
5           6                9
6           7               12
7           8               15
8           9               17
9           1                3
10          2                4
11          3                5
12          4                6
13          5                8
14          6                9
15          7               12
16          8               15
17          9               17
18          1                3
19          2                4
20          3                5
21          4                6
22          5                8
23          6                9
24          7               12
25          8               15
26          9               17

Thank you（谢谢）是一种魅力。这同样有效，Thank you（谢谢）非常有效，即使“订单”中没有。谢谢，这就是我现在需要的。

df['y_goal'] = [df1['Allowed_numbers'][x - 1] for x in df['order_out']]