Question

我有两个数据帧，我想要像excel中的Vlookup一样进行查找。

df['NewColumn'] = np.where(
    df['key'].str.contains('C') & df['data2'].isnull(), df['data1'], 1
)

如何将df_orig.head() A 0 3 1 4 2 6 3 7 4 8 df_new Combined Length Group_name 0 [8, 9, 112, 114, 134, 135] 6 Group 1 1 [15, 16, 17, 18, 19, 20] 6 Group 2 2 [15, 16, 17, 18, 19] 5 Group 3 3 [16, 17, 18, 19, 20] 5 Group 4 4 [15, 16, 17, 18] 4 Group 5 5 [8, 9, 112, 114] 4 Group 6 6 [18, 19, 20] 3 Group 7 7 [28, 29, 30] 3 Group 8 8 [21, 22] 2 Group 9 9 [28, 29] 2 Group 10 10 [26, 27] 2 Group 11 11 [24, 25] 2 Group 12 12 [3, 4] 2 Group 13 13 [6, 7] 2 Group 14 14 [11, 14] 2 Group 15 15 [12, 13] 2 Group 16 16 [0, 1] 2 Group 17中的值添加到df_new["Group_name"]？

df_orig["A"]必须基于查询"Group_name"中df_orig["A"]的值。

所以它看起来像：

df_new["Combined"]

谢谢！

Answer 1

这是一种模仿vlookup的方法。下面的最小例子。

import pandas as pd

df_origin = pd.DataFrame({'A': [3, 11, 0, 12, 6]})

df_new = pd.DataFrame({'Combined': [[3, 4, 5], [6, 7], [11, 14, 20],
                                    [12, 13], [3, 1], [0, 4]],
                       'Group_name': ['Group 13', 'Group 14', 'Group 15',
                                      'Group 16', 'Group 17', 'Group 18']})

df_new['ID'] = list(zip(*df_new['Combined'].tolist()))[0]

df_origin['Group_name'] = df_origin['A'].map(df_new.drop_duplicates('ID')\
                                                   .set_index('ID')['Group_name'])

结果

    A Group_name
0   3   Group 13
1  11   Group 15
2   0   Group 18
3  12   Group 16
4   6   Group 14

<强>解释

通过df_new['Combined']

zip

使用drop_duplicates，然后创建一系列地图ID到Group_name。
最后，使用pd.Series.map通过此系列将df_origin['A']映射到Group_name。

Answer 2

两个步骤***unnest*** + merge

df=pd.DataFrame({'Combined':df.Combined.sum(),'Group_name':df['Group_name'].repeat(df.Length)})

df_orig.merge(df.groupby('Combined').head(1).rename(columns={'Combined':'A'}))
Out[77]: 
   A Group_name
0  3   Group 13
1  4   Group 13
2  6   Group 14
3  7   Group 14
4  8    Group 1

在另一个中查找一个Pandas数据帧的值

2 个答案: