Question

我有两个pandas DataFrames：

第一个表Artist-Name DataFrame具有IMDb上每个参与者的唯一标识符，以及相应的参与者名称。

第二张表Movie-Cast DataFrame为IMDb上的每部电影都有一个唯一的标识符，并为相应的电影提供前7位演员/演员（艺术家代码对应于第一张表中演员的唯一标识符））。

我想创建一个新的Actor-Movie DataFrame，它将艺术家的名字作为第一列，后续列将成为演员出现的所有电影。所以我想使用“nconst”来自表1为表2中的每部电影搜索每个“principalCast”列，如果演员出现在“principalCast”位置之一（1-7），则将演员出现的电影片名添加到新演员中 - 电影DataFrame作为列。最终，我希望有一个包含许多专栏的表格，其中包含艺术家所参与的所有电影。

我尝试合并和旋转DataFrames但没有成功。我也尝试过使用带有两个for循环的itertuples：

for row in actor_names.itertuples():
ldic = []
for r in movie_cast.itertuples():
    if row[1] in [r[3], r[4], r[5], r[6], r[7], r[8], r[9], r[10]]:
        ldic.append({row[1]:[].append(r[2])})

itertuples需要几个小时而且不会产生任何结果（我的整个电影数据库是> 2000行，而actor数据库是> 800万行）。但是，上面的代码是我正在运行的错误逻辑。

是否有一种有效的方法来创建新的DataFrame，方法是使用表1的唯一actor标识符来搜索表2中的每个“principalCast”（1-7）？我想要的输出是：

**primaryName     | nconst    |   movie 1    |   movie 2  | ... | movie n**

Brad Pitt         | nm0000015 | Fight Club   |   Seven    | ... | Mr&Mrs Smith

Jennifer Lawrence | nm0000109 | Mother       |Hunger Games| ... | Serena

没有特定的电影订单，只需要一个电影演员参与的数据库。

Answer 1

我会这样做。

从第一个数据框中删除不相关的列：

actor_names.drop(['birthYear', 'deathYear'], axis=1, inplace=True)

从第二个数据框中获取actor的列名：

cast_columns = [column
                for column in movie_cast.columns
                if column.startswith('principalCast')]

为我们刚刚获得的每个列名运行合并，只留下我们需要的列：

for cast_column in cast_columns:
    actor_names = actor_names.merge(movie_cast, 
                                    how='left',
                                    left_on='nconst', 
                                    right_on=cast_column)
    valid_columns = [column
                     for column in actor_names.columns 
                     if (column in ('nconst', 'primaryName') 
                         or column.startswith('originalTitle'))]
    actor_names = actor_names[valid_columns]

Answer 2

我没有测试过，但我的猜测是这样的：

 pd.merge(actor_names, movie_cast,how='left',left_on=['nconst'], right_on = ['principalCast1','principalCast2',.....])

通过搜索两个数据帧来创建pandas数据帧

2 个答案: