Python 如何合并熊猫中的四个表？

我有四个表：预测标记、实际标记、标记名称和新闻文本

在表中，预测的_标记和实际的_标记行名称是标记id。在这些表中，1表示真，0表示假

预测的_标签和实际的_标签的形状是234131369

预测的\u标签：

实际标签：

标签和名称：

新闻文本：

我想要下一张桌子：

+-------+------------------------+----------------------------+------------------------+---------------------------+
|       |       news_name        |        news_content        |     predicted_tags     |        actual_tags        |
+-------+------------------------+----------------------------+------------------------+---------------------------+
| 35615 | Secret of…             | Hi! Today I will talk...   | ['hot']                | ['hot']                   |
| 58666 | Conversations with a … | I have a big experience... | ['politics']           | ['politics', 'economics'] |
| 16197 | Harm of alcohol        | Today, we…                 | ['environment']        | ['environment']           |
| 68824 | Hot news               | Celebrity with...          | ['hot', 'environment'] | ['hot', 'environment']    |
| 22277 | Finance market         | Last week…                 | ['hot']                | ['hot', 'economics']      |
+-------+------------------------+----------------------------+------------------------+---------------------------+

---

如何使用Pandas实现这一点？

首先，创建一列，其中包含所有实际/预测值，例如：

predicted_tags['pred_loc'] = predicted_tags.values.tolist()
actual_tags['actual_loc'] = actual_tags.values.tolist()

此外，如果tag_names数据框中的tag_id与实际和预测的tags数据框中的列的顺序相同。然后，只需创建一个标签名列表，如

tags = tag_names.tag_name.values.tolist()

现在，在转换之前，我们将把它合并到新闻文本数据框中

现在，我们转换为：

news_text.pred_loc = news_text.pred_loc.apply(lambda x: [tags[i] for i, j in enumerate(x) if j == 1])
news_text.actual_loc = news_text.actual_loc.apply(lambda x: [tags[i] for i, j in enumerate(x) if j == 1])

---

首先，创建一个包含所有实际/预测值的列，例如：

predicted_tags['pred_loc'] = predicted_tags.values.tolist()
actual_tags['actual_loc'] = actual_tags.values.tolist()

此外，如果tag_names数据框中的tag_id与实际和预测的tags数据框中的列的顺序相同。然后，只需创建一个标签名列表，如

tags = tag_names.tag_name.values.tolist()

现在，在转换之前，我们将把它合并到新闻文本数据框中

现在，我们转换为：

news_text.pred_loc = news_text.pred_loc.apply(lambda x: [tags[i] for i, j in enumerate(x) if j == 1])
news_text.actual_loc = news_text.actual_loc.apply(lambda x: [tags[i] for i, j in enumerate(x) if j == 1])

---

您可以使用将标记的一个热编码转换为标记列表。我将把tag_名称从dataframe修改为一个系列，其索引为tag_id，值为tag name。我现在只用两个标签来演示这一点

>>> import pandas as pd
>>> df = pd.DataFrame({
            1: [0, 1, 0, 0, 0],
            3: [0, 1, 0, 0, 1]}, 
        index=[35615, 58666, 16197, 68824, 22277] ) # predicted_tags
>>> df
       1  3
35615  0  0
58666  1  1
16197  0  0
68824  0  0
22277  0  1
>>> tag_names = pd.DataFrame({"tag_id": [1,3,], 
        "tag_name": ["politics", "economics"]},
         index=[127579, 108814])
>>> tag_names
        tag_id   tag_name
127579       1   politics
108814       3  economics
>>> tags = tag_names.set_index("tag_id").tag_name
>>> tags
tag_id
1     politics
3    economics
Name: tag_name, dtype: object
>>> df.apply( lambda row: [tags.loc[k] for k,v in row.items() if v > 0] , axis=1)
35615                       []
58666    [politics, economics]
16197                       []
68824                       []
22277              [economics]
dtype: object
>>> 

---

您现在应该可以将其与索引上的新闻文本连接起来。

您可以使用将一个热编码标记转换为标记列表。我将把tag_名称从dataframe修改为一个系列，其索引为tag_id，值为tag name。我现在只用两个标签来演示这一点

>>> import pandas as pd
>>> df = pd.DataFrame({
            1: [0, 1, 0, 0, 0],
            3: [0, 1, 0, 0, 1]}, 
        index=[35615, 58666, 16197, 68824, 22277] ) # predicted_tags
>>> df
       1  3
35615  0  0
58666  1  1
16197  0  0
68824  0  0
22277  0  1
>>> tag_names = pd.DataFrame({"tag_id": [1,3,], 
        "tag_name": ["politics", "economics"]},
         index=[127579, 108814])
>>> tag_names
        tag_id   tag_name
127579       1   politics
108814       3  economics
>>> tags = tag_names.set_index("tag_id").tag_name
>>> tags
tag_id
1     politics
3    economics
Name: tag_name, dtype: object
>>> df.apply( lambda row: [tags.loc[k] for k,v in row.items() if v > 0] , axis=1)
35615                       []
58666    [politics, economics]
16197                       []
68824                       []
22277              [economics]
dtype: object
>>> 

您现在应该可以将其与索引上的新闻文本连接起来。

将标签名称df转换为字典，并使用它重命名列：

tag_names = dict(zip(tags_names['tag_id'], tags_names['tag_names']))

predicted_tags.rename(columns = tag_names, inplace = True)
actual_tags.rename(columns = tag_names, inplace = True)

获取值为1的列名

news_text['actual_tags'] = (actual_tags == 1 ).apply(lambda y: actual_tags.columns[y.tolist()].tolist(), axis=1)
news_text['predicted_tags'] = (predicted_tags == 1 ).apply(lambda y: predicted_tags.columns[y.tolist()].tolist(), axis=1)

将标记转换为字典，并使用它重命名列：

tag_names = dict(zip(tags_names['tag_id'], tags_names['tag_names']))

predicted_tags.rename(columns = tag_names, inplace = True)
actual_tags.rename(columns = tag_names, inplace = True)

获取值为1的列名

news_text['actual_tags'] = (actual_tags == 1 ).apply(lambda y: actual_tags.columns[y.tolist()].tolist(), axis=1)
news_text['predicted_tags'] = (predicted_tags == 1 ).apply(lambda y: predicted_tags.columns[y.tolist()].tolist(), axis=1)

---

这是你的任务，不是问题。到目前为止你试过什么？请阅读并编辑您的问题。我不知道如何转换标签名称列表并将其与表news\u text合并数据的大小是多少？我们可以写lambda让他们转换抱歉，我没有指出这个问题。我会更新我的问题。数据大小为20K行，包含预测的\u标记/实际的\u标记。这是您的任务，不是问题。到目前为止你试过什么？请阅读并编辑您的问题。我不知道如何转换标签名称列表并将其与表news\u text合并数据的大小是多少？我们可以写lambda让他们转换抱歉，我没有指出这个问题。我会更新我的问题。数据大小为20K行（预测的\u标记/实际的\u标记）。