Python 如何根据另一个数据帧上的列对数据帧的行进行分类？

我正在像这样构建一个数据帧

df

df = pd.DataFrame({
    'South East Asia': ['India', 'Sri Lanka', 'Mali', 'Maldives'],
    'Europe': ['France', 'Italy', 'Germany', 'Spain'],
    'North America': ['Mexico', 'US', 'Canada', np.nan]},
    columns=['South East Asia', 'Europe', 'North America'])

看起来是这样的：

  South East Asia   Europe North America
0           India   France        Mexico
1       Sri Lanka    Italy            US
2            Mali  Germany        Canada
3        Maldives    Spain           NaN

我在另一个数据框

df2

中有一个客户数据（~40K行），其中有一列

Country

，上面列出了所有11个国家的国家

我想在

df2

中创建一个新列，名为Continental，它将具有我的数据帧

df

中提到的相应大陆。因此，我的期望输出

print（df2.loc[：，'Country'：'containment']）

会是

    Country    Continent
0   France        Europe
1    Italy        Europe
2   Mexico    North America
...

注意：在在线查询时，我发现有一些现成的工具可以将国家划分为大陆，这是可以理解的，因为社区中必须经常需要这样做。但我想学习如何根据另一个dataframes中的数据集对数据进行分类。这就是为什么我要在这11个国家和3个大洲实现同样的目标

---

提前谢谢

对字典使用dict理解和压扁：

s = {k:v for a, b in df.items() for k, v in dict.fromkeys(b, a).items()}
#if want remove NaNs
#s = {k:v for a, b in df.items() for k, v in dict.fromkeys(b, a).items() if pd.notnull(k)}

或使用以下内容创建系列：

最后：

使用，可以创建从国家到大陆的系列映射：

s = pd.melt(df).set_index('value')['variable']

df2['Continent'] = df2['Country'].map(s).fillna('DefaultContinent')

对于

NaN

，您可能需要格外小心。例如：

mapper = pd.melt(df).dropna(subset=['value']).set_index('value')['variable']

---

@Vibhu-在

df2

中是否没有

国家/地区

列？你需要

map

列

df2

嘿，你的代码行！很抱歉给你带来了困惑。非常感谢您对我前面问题的帮助。我的许多

pandas

查询都是通过您在SOI上的回答来解决的。我与一位联系人进行了尝试，他的国家/地区不包括在我的数据框

df

中，并将其映射到

NaN

。我想知道这是怎么发生的，是否有办法设置

默认映射@jezraelThank@jpp谢谢你的回答。没有
dropna（子集=['value']）
，
Nan
被映射到北美。但是当使用
mapper
而不是
s
时，
NaN
会按预期被删除。此外，对于其国家/地区未在
df
中列出的联系人，他们将被映射到
NaN
。有没有办法设置默认映射？@Vibhu，当然，这可以通过
pd.Series.fillna
实现，请参阅upate。
s = pd.melt(df).set_index('value')['variable']

df2['Continent'] = df2['Country'].map(s).fillna('DefaultContinent')

mapper = pd.melt(df).dropna(subset=['value']).set_index('value')['variable']