Question

我有两个数据框 df1 和 df2。

这是df1

      Name       Sector
0     Company1   3D
1     Company2   Accounting
2     Company3   Wireless

这是df2

      Name       Automotive&Sports Cleantech Entertainment Health Manufacturing Finance
0     3D                0             0          0           0        1           0
1     wireless          0             0          1           0        0           0
2     Accounting        0             0          0           0        0           1

基于 df1['sector'] 中列的值，我想获取 df2 中行值为 1 的列的名称。

Answer 1

您在 df2 中拥有的称为 one-hot 编码，一种反转该编码的方法是使用 idxmax。让我们添加一列：

df2['result'] = df2.iloc[:, 1:].idxmax(1)

现在你只需要合并并做一些清理：

df = pd.merge(df1, df2[['Name','result']], left_on='Sector', right_on='Name')
df = df.drop('Name_y', 1).rename(columns={'Name_x': 'Name'})

你会得到想要的输出：

In [102]: df
Out[102]: 
       Name      Sector         result
0  Company1          3D  Manufacturing
1  Company2  Accounting        Finance
2  Company3    Wireless  Entertainment

Answer 2

试试下面的代码，我猜这就是你要找的，

df3 = df1.join(df2, df1.Sector == df2.Name, 'inner') \
    .drop(df2.Name)

for col_name in df3.columns:
    if (df3.filter(col(col_name) == 0).count() == df3.select(col(col_name)).count()):
        df3 = df3.drop(col_name)

df3.show()

+--------+----------+-------------+-------------+-------+
|    Name|    Sector|Entertainment|Manufacturing|Finance|
+--------+----------+-------------+-------------+-------+
|Company3|  Wireless|            1|            0|      0|
|Company2|Accounting|            0|            0|      1|
|Company1|        3D|            0|            1|      0|
+--------+----------+-------------+-------------+-------+

我在 Python 中有一个数据框问题，如何映射两个不同的数据框

2 个答案: