Python 通过查找多个列值进行合并
我有以下两个表,以熊猫数据帧的形式出现 这是所有可能组合的列表:Python 通过查找多个列值进行合并,python,python-3.x,pandas,merge,Python,Python 3.x,Pandas,Merge,我有以下两个表,以熊猫数据帧的形式出现 这是所有可能组合的列表: Table A: 0 1 2 +---+----+----+ 0| A |None|None| +---+----+----+ 1| B |None|None| +---+----+----+ 2|...| | | +---+----+----+ 3| A | C | D | +---+----+----+ 4| B | C | D | +---+----+----+ 这些是变量
Table A:
0 1 2
+---+----+----+
0| A |None|None|
+---+----+----+
1| B |None|None|
+---+----+----+
2|...| | |
+---+----+----+
3| A | C | D |
+---+----+----+
4| B | C | D |
+---+----+----+
这些是变量的关联值:
Table B:
0 1
+---+---+
0| A | 5 |
+---+---+
1| B | 2 |
+---+---+
2| C | 7 |
+---+---+
3| D | 4 |
+---+---+
我需要的是这样的东西:
0 1 2 3
+---+----+----+---+
0| A |None|None| 5 |
+---+----+----+---+
1| B |None|None| 2 |
+---+----+----+---+
2|...| | | |
+---+----+----+---+
3| A | C | D | 7 |
+---+----+----+---+
4| B | C | D | 7 |
+---+----+----+---+
其中,第3列是通过从表A
中查找每个相关值,在表B
中的0
、1
和2
列0
中返回这些值中的最大值来找到的
例如:
第3行显示了a
、C
和D
的组合。因此,列3
在表B
中查找A
,值为5
,然后在表B
中查找C
,值为7
。最后,它在表B
中查找D
,值为4
。在这3个数字中,7是最大的,因此它返回该值
到目前为止我已经尝试了pandas.merge
,但没有成功
更新:
我试过这个:
Final=df1.insert(3,column='min space',value=df1.join(df2.set_index(0),on=0).max())
但是它只返回
None
,并且不考虑df1中的多个列,如果我尝试添加多个列<代码>[0,1,2]它告诉我每行需要相同数量的列您可以将所有单元格转换为数字(通过关联的df),然后获得每行最大值的列
import pandas as pd
df = pd.DataFrame({ # original df
0:['A', 'B', 'A', 'B',],
1:[None, None, 'C', 'C',],
2:[None, None, 'D', 'D',],
})
rdf = pd.DataFrame({ # associated values
0:['A', 'B', 'C', 'D',],
1:[5, 2, 7, 4,],
})
tdf = df # copy the original df
rdf = rdf.set_index(0)[1] # set index of rdf for next line
tdf = tdf[tdf.columns].replace(rdf) # replace all values in tdf by rdf
tdf[3] = tdf.max(axis=1) # column[3] = max of each row
df[3] = tdf[3] # add column[3] to original df
试试这个
#!/usr/bin/env python3
import pandas as pd
A, B, C, D = 5, 2, 7, 4
df = pd.DataFrame({
0: [A, B, None, A, B],
1: [None, None, None, C, C],
2: [None, None, None, D, D]
})
df[3] = df.max(axis=1)
输出:
0 1 2 3
0 5.0 NaN NaN 5.0
1 2.0 NaN NaN 2.0
2 NaN NaN NaN NaN
3 5.0 7.0 4.0 7.0
4 2.0 7.0 4.0 7.0
尝试使用
replace
dfA['out'] = dfA.replace(dict(zip(dfB[0],dfB[1]))).max(1)
dfA
Out[487]:
0 1 2 out
0 A None None 5.0
1 B None None 2.0
2 A C D 7.0
3 B C D 7.0
例如:
>>> df1
0 1 2
0 A NaN NaN
1 B NaN NaN
2 ... NaN NaN
3 A C D
4 B C D
>>> df2
0 1
0 A 5
1 B 2
2 C 7
3 D 4
>>> df1.columns
Int64Index([0, 1, 2], dtype='int64')
>>> df2.columns
Int64Index([0, 1], dtype='int64')
>>> df2[1].dtype
dtype('int64')
df1[3] = df2.merge(
df1.stack(dropna=False).reset_index(0), how='outer'
).groupby('level_0').max()
>>> df1
0 1 2 3
0 A NaN NaN 5.0
1 B NaN NaN 2.0
2 ... NaN NaN NaN
3 A C D 7.0
4 B C D 7.0
这是一个错误<代码>合并错误:没有要执行合并的公共列。合并选项:left_on=None,right_on=None,left_index=False,right_index=False我添加了一个示例,演示了它的工作原理。根据您的示例-它应该自动合并
0
列。我需要将字母ID保留在表中。
df1[3] = df2.merge(
df1.stack(dropna=False).reset_index(0), how='outer'
).groupby('level_0').max()
>>> df1
0 1 2
0 A NaN NaN
1 B NaN NaN
2 ... NaN NaN
3 A C D
4 B C D
>>> df2
0 1
0 A 5
1 B 2
2 C 7
3 D 4
>>> df1.columns
Int64Index([0, 1, 2], dtype='int64')
>>> df2.columns
Int64Index([0, 1], dtype='int64')
>>> df2[1].dtype
dtype('int64')
df1[3] = df2.merge(
df1.stack(dropna=False).reset_index(0), how='outer'
).groupby('level_0').max()
>>> df1
0 1 2 3
0 A NaN NaN 5.0
1 B NaN NaN 2.0
2 ... NaN NaN NaN
3 A C D 7.0
4 B C D 7.0