python数据帧中行和列之间的公共元素

我有两个数据帧。第一个，如下所示，有三列

Col_1   Col_2   Col_3
aaa     dfd     ccc
sdf     jjj     sge
rty     fgh     rtg
hji     dfg     hyt
lkj     bgh     dcf

在每一行中，有一个元素与下面显示的第二个数据框中的一个元素相同（当然，第二个数据框中的元素不必具有任何特定顺序）

我的目标是遍历第一个数据帧中的每一行，并找到第二个数据帧中的公共元素。然后将该元素带到行的开头。预期结果如下：

预期结果

Col_1   Col_2   Col_3
ccc     aaa     dfd
sge     sdf     jjj
fgh     rty     rtg
dfg     hji     hyt
dcf     lkj     bgh

---

任何帮助都将不胜感激

这里有一个可能的解决方案，使用列表理解（

df1

和

df2

是两个数据帧）：

# turn 2nd dataframe into lookup list
lookup = df2['list'].tolist()

for index, row in df1.iterrows():
    # if column 1 matches do nothing
    # if column 2 matches list, reorder column 1 and 2, ignore 3
    if row['Col_2'] in lookup:
        col1 = row['Col_1']
        col2 = row['Col_2']
        df1.loc[index, 'Col_1'] = col2
        df1.loc[index, 'Col_2'] = col1
    # if column 3 matches, reorder values
    if row['Col_3'] in lookup:
        col1 = row['Col_1']
        col2 = row['Col_2']
        col3 = row['Col_3']
        df1.loc[index, 'Col_1'] = col3
        df1.loc[index, 'Col_2'] = col1
        df1.loc[index, 'Col_3'] = col2

使用pandas DataFrame的方法，您可以在一行中完成。这将比手动迭代行更快

它只使用pandas并在行级别工作，首先检查行元素是否在

ls

中，对返回的二进制指示符进行排序（对行的前面为True），然后按此顺序重新索引要排序的行。然后，它将结果广播回原始行

import pandas as pd

df = pd.DataFrame({'col1':['aaa','sdf','rty','hji','lkj'],
                   'col2':['dfd','jjj','fgh','dfg','bgh'],
                   'col3':['ccc','sge','rtg','hyt','dcf']})     

ls = pd.Series(['ccc','sge','fgh','dfg','dcf'])

df = df.apply(lambda x: x[(~x.isin(ls)).argsort()], 
              axis=1, 
              result_type='broadcast')

返回：

    col1  col2   col3
0   ccc    aaa   dfd
1   sge    sdf   jjj
2   fgh    rty   rtg
3   dfg    hji   hyt
4   dcf    lkj   bgh

---

为什么不尝试使用

apply

、

isin

和

tolist

：

print(df.apply(lambda x: x[x.isin(ls)].tolist() + x[~x.isin(ls)].tolist(), axis=1))

输出：

  col1 col2 col3
0  ccc  aaa  dfd
1  sge  sdf  jjj
2  fgh  rty  rtg
3  dfg  hji  hyt
4  dcf  lkj  bgh

---

我只需加载每一行，得到

ls

中的一行，并将其作为第一个值，方法是使用

isin

和

tolist

和

+

将其余的行添加到末尾，使其成为第一个值。下面是另一个快速解决方案：

df = pd.DataFrame({'col1':['aaa','sdf','rty','hji','lkj'],
                   'col2':['dfd','jjj','fgh','dfg','bgh'],
                   'col3':['ccc','sge','rtg','hyt','dcf']}) 
list2 = pd.DataFrame({'list':['ccc','sge','fgh','dfg','dcf']})

list2.assign(**df).unstack().drop_duplicates().groupby(level=1).agg(list).apply(pd.Series, index=[1,2,3]).add_prefix('col_')                                                                       

  col_1 col_2 col_3
0   ccc   aaa   dfd
1   sge   sdf   jjj
2   fgh   rty   rtg
3   dfg   hji   hyt
4   dcf   lkj   bgh

---

起初，我选择@Ben Dickson（以下）给出的解决方案作为最佳答案，但后来我发现运行更大的数据需要很长时间。我尝试使用单一列表理解，我的方法应该更快。检查一下，让我知道！我收到以下错误消息：AttributeError:“DataFrame”对象没有属性“list”。我正在使用python 2。它是相关的吗？@Taie您可以使用

df2[“list”]

instedit给我这个错误消息keyrerror:“list”您的

df2

dataframe是否有一个名为“list”的列？我假设是这样的，如您的示例所示。另外请注意，我已经使用了

df2.list

两次。我收到以下错误消息：TypeError:“type”对象不可编辑。我正在使用python2，我无法让pandas在python2中工作，否则我会尽力帮助。我会看看是否可以让一个虚拟机来测试它，这对我来说是可行的，但我的速度测试表明，这比使用单个apply语句要慢约50%（如我的答案所示）。不过，我还没有测试它的伸缩性。它也相当冗长！我喜欢这个解决方案。简洁典雅：）

  col1 col2 col3
0  ccc  aaa  dfd
1  sge  sdf  jjj
2  fgh  rty  rtg
3  dfg  hji  hyt
4  dcf  lkj  bgh

df = pd.DataFrame({'col1':['aaa','sdf','rty','hji','lkj'],
                   'col2':['dfd','jjj','fgh','dfg','bgh'],
                   'col3':['ccc','sge','rtg','hyt','dcf']}) 
list2 = pd.DataFrame({'list':['ccc','sge','fgh','dfg','dcf']})

list2.assign(**df).unstack().drop_duplicates().groupby(level=1).agg(list).apply(pd.Series, index=[1,2,3]).add_prefix('col_')                                                                       

  col_1 col_2 col_3
0   ccc   aaa   dfd
1   sge   sdf   jjj
2   fgh   rty   rtg
3   dfg   hji   hyt
4   dcf   lkj   bgh