Python 熊猫：如何在数据框中添加表示两个属性相交的列

假设我有2个csv文件（非常大的文件）

• 第一个文件表示餐厅，有6个属性

  餐厅id

  ，

  名称

  ，

  星级

  ，

  城市

  ，

  区域

  ，

  关闭

• 第二个文件表示餐厅的类别，有两个属性

  restaurant\u id

  和

  category

因此，我想做的基本上是在我的功能中添加一个名为

区域\类别\交叉点

的列，该列告诉我同一区域（区域）内与相关餐厅至少共享一个类别的餐厅数量。

因为这是我第一次使用熊猫图书馆，我在操作桌子时有点不太流利。我这样做是为了计算出该地区与该餐厅相关联的餐厅数量，并将其添加到我的功能栏中

餐厅['nb_餐厅\区域]]=餐厅。groupby（'zone'）['zone']。transform（'size'））
食肆.总目()
功能=餐厅[['restaurant_-id'、'moyenne_-etoiles'、'ville'、'zone'、'ferme'、'nb_-restaurants_-zone']]复印件（）
特征.head（）
#编辑
合并=餐厅。合并（类别，在class='restaurant\u id'上）
合并.总目()

我考虑添加

category.csv

文件，将其与餐厅合并，并将类别与相应的id进行映射，然后想出一种方法来应用第二个条件（与相关餐厅至少共享一个类别）。。。但是我真的不知道如何做这些事情

谢谢

试试这个

# sample data
# (it's not exactly your provided data
# but it is better to show how the code works)
# please always provide a callable line of code
# you could get it with `df.head().to_dict('split')`
rest = pd.DataFrame({
    'id': [1, 2, 3, 4, 5],
    'name': ['Denny\'s', 'Ike\'s Love & Sandwiches', 'Midori Japanese',
        'Pho U', 'John & Sons Oysters'],
    'avg_stars': [2.5, 4, 3.5, 3.5, 4],
    'city': ['Las Vegas', 'Phoenix', 'Calgary', 'Toronto', 'Toronto'],
    'zone': ['a', 'a', 'b', 'b', 'a']
})
cats = pd.DataFrame([
    [1, ['Breakfast', 'Dinners', 'American']],
    [2, ['Sandwiches', 'American']],
    [3, ['Japanese']],
    [4, ['Japanese']],
    [5, ['American', 'Seafood']]
], columns=['id', 'category']).explode('category')

代码

# add zone to categories dataframe
cats2 = cats.merge(rest[['id', 'zone']], on='id')

# add count for zone & category
cats2['zone_cat_count'] = (
    cats2.groupby(['zone', 'category'])
    .transform('count')
)

# merge with rest dataframe
rest = rest.merge(
    cats2.groupby('id')['zone_cat_count'].max()
    , on='id'
)

输出

   id                     name  avg_stars       city zone  zone_cat_count
0   1                  Denny's        2.5  Las Vegas    a               3
1   2  Ike's Love & Sandwiches        4.0    Phoenix    a               3
2   3          Midori Japanese        3.5    Calgary    b               2
3   4                    Pho U        3.5    Toronto    b               2
4   5      John & Sons Oysters        4.0    Toronto    a               3

---

@RichieV我想做的基本上是在我的功能中添加一个列，告诉我同一区域（区域）内与该餐厅至少共享一种食物的餐厅数量。我不知道如何在这里创建一个表来显示。你知道，但这很简单。@RichieV ohh你看到的那些表格只是标题，它们大得多^^^请始终在代码块中显示表格，将无法与文本共享的图片保留为图表和such@RichieV是的，nb_餐厅区已经显示了同一区域内有多少家餐厅，但我想知道同一区域（区域）内与该餐厅至少共享一种食品的餐厅数量。我知道，请更改代码块的图像，包括

df.head（）

和

df2[df2['restaurant\u id'].isin（df.head（）['restaurant\u id']）]

谢谢你，我用我的桌子尝试了这些步骤，似乎效果不错。如果我已经将类别添加到rest数据框中（而不是像您那样将区域添加到类别中），并使用.groupby（'id'）['zone\u cat\u count'].max（），on='id'进行计数，也可以吗？还有，为什么要在这里使用.max？来正确显示表格，所以我只需使用

df.head（）.to_dict（'split'）

，我想在这里共享什么，并将文本直接复制到代码块上？这将给出数据框的前五行，请参阅。。。可能前5行没有显示数据的复杂性，在这种情况下，包括更多带有

df.head（20）

的行，或者创建一个新的玩具数据框。例如，categories数据框的前5行对于此示例来说是不够的，您需要所有相关的

restaurant\u id

如果我将类别添加到其余数据框中（而不是像您那样将区域添加到类别中），并使用.groupby（'id'）['zone\u cat\u count'].max（），on='id'进行计数，也可以吗？你为什么要用max？