Python 如何在比较两个数据帧的基础上创建新列'；唯一id？

嗨，我有两个数据帧，它们有OrderID和stage编号。我想为August Dataframe创建一个新列，如果orderID匹配，它将返回七月的阶段号中的值。如果没有，请返回“不适用”

如何使用lambda和apply函数创建此列？（不要使用join…）

任何线索和建议将不胜感激！ 谢谢

您可以与系列一起使用。注意：如果您有

NaN

值，您的序列将被迫

float

，因为

NaN

是一个浮点值。这在不增加效率的情况下是不可避免的

aug = pd.DataFrame({'ID': [111, 222, 333, 444, 555], 'Prior': np.nan})
jul = pd.DataFrame({'ID': [222, 333, 444, 555, 666, 777], 'Stage': [1, 2, 3, 4, 5, 6]})

aug['Prior'] = aug['ID'].map(jul.set_index('ID')['Stage'])

print(aug)

    ID  Prior
0  111    NaN
1  222    1.0
2  333    2.0
3  444    3.0
4  555    4.0

通过

pd.Series.update

和对齐索引，可以实现更冗长的解决方案：

aug.set_index('ID', inplace=True)
aug['Prior'].update(jul.set_index('ID')['Stage'])
aug = aug.reset_index()

可以与系列一起使用。注意：如果您有

NaN

值，您的序列将被迫

float

，因为

NaN

是一个浮点值。这在不增加效率的情况下是不可避免的

aug = pd.DataFrame({'ID': [111, 222, 333, 444, 555], 'Prior': np.nan})
jul = pd.DataFrame({'ID': [222, 333, 444, 555, 666, 777], 'Stage': [1, 2, 3, 4, 5, 6]})

aug['Prior'] = aug['ID'].map(jul.set_index('ID')['Stage'])

print(aug)

    ID  Prior
0  111    NaN
1  222    1.0
2  333    2.0
3  444    3.0
4  555    4.0

通过

pd.Series.update

和对齐索引，可以实现更冗长的解决方案：

aug.set_index('ID', inplace=True)
aug['Prior'].update(jul.set_index('ID')['Stage'])
aug = aug.reset_index()

---

虽然我不喜欢将此作为答案发布，但如果您仍然对使用lambda感兴趣并申请，您可以按以下方式进行：

df=pd.DataFrame({'Order_id_July':[222,333,444,555,666,777],'stage':[1,2,3,4,5,6]})
df2=pd.DataFrame({'Order_id_August':[111,222,333,444,555]})

映射器函数（类似于查找）

输出：

Order_id_August prior_stage
    111         NaN
    222         1.0
    333         2.0
    444         3.0
    555         4.0

如果以后你改变主意，想探索更好的方法来完成这项任务，试试下面的代码

df2.merge(df,left_on='Order_id_August',right_on='Order_id_July',how='left').drop('Order_id_July',axis=1)

Order_id_August prior_stage
        111         NaN
        222         1.0
        333         2.0
        444         3.0
        555         4.0

---

虽然我不喜欢将此作为答案发布，但如果您仍然对使用lambda感兴趣并申请，您可以按以下方式进行：

df=pd.DataFrame({'Order_id_July':[222,333,444,555,666,777],'stage':[1,2,3,4,5,6]})
df2=pd.DataFrame({'Order_id_August':[111,222,333,444,555]})

映射器函数（类似于查找）

输出：

Order_id_August prior_stage
    111         NaN
    222         1.0
    333         2.0
    444         3.0
    555         4.0

如果以后你改变主意，想探索更好的方法来完成这项任务，试试下面的代码

df2.merge(df,left_on='Order_id_August',right_on='Order_id_July',how='left').drop('Order_id_July',axis=1)

Order_id_August prior_stage
        111         NaN
        222         1.0
        333         2.0
        444         3.0
        555         4.0

---

为什么要使用

lambda

和

apply

？有更有效的方法可以做到这一点（使用

合并

或

映射

，或

加入

，尽管您明确表示不希望这样……）。此外，请将您的数据框作为文本发布，以便我们可以剪切和粘贴它们，而不是自己重新创建它们。这是一项任务。在这种情况下，应用将是低效的。为什么不使用join？为什么要使用

lambda

和

apply

？有更有效的方法可以做到这一点（使用

合并

或

映射

，或

加入

，尽管您明确表示不希望这样……）。此外，请将您的数据框作为文本发布，以便我们可以剪切和粘贴它们，而不是自己重新创建它们。这是一项任务。在这种情况下，应用将是低效的。为什么不使用join？非常感谢您的帮助。非常感谢您的帮助。