Question

假设我有2个数据框，其中包含城市名称但格式不同。所以，我想根据他们的状态和每个城市名称的前四个字符来匹配它们。一个小例子如下：

import pandas as pd
df1 = pd.DataFrame({'city': ['NEW YORK', 'DALLAS', 'LOS ANGELES', 'SAN FRANCISCO'],
                   'state' : ['NY', 'TX', 'CA', 'CA'],
                   'value' : [1,2,3,4]})
df2 = pd.DataFrame({'city': ['NEW YORK CITY', 'DALLAS/ABC', 'LOS ANG', 'ABC'],
                    'state': ['NY', 'TX', 'CA', 'CA'],
                   'temp': [20,21,21,23]})
df1
        city    state   value
    0   NEW YORK    NY  1
    1   DALLAS  TX  2
    2   LOS ANGELES CA  3
    3   SAN FRANCISCO   CA  4

df2 
    city    state   temp
0   NEW YORK CITY   NY  20
1   DALLAS/ABC  TX  21
2   LOS ANG CA  21
3   ABC CA  23

我想要的是一个数据帧，如下所示：

city    state   temp    values
0   NEW YORK    NY  20  1
1   DALLAS  TX  21  2
2   LOS ANG CA  21  3

现在，由于这将导致城市名称不匹配，因此我无法使用isin()。到目前为止，我正在考虑使用str.contains，但想不出有效的方法来做到这一点。

非常感谢帮助。

Answer 1

创建一个包含4个字符的临时city4列，以使用merge

In [5247]: pd.merge(df1.assign(city4=df1.city.str[:4]),
                    df2.assign(city4=df2.city.str[:4]), 
                    on=['city4', 'state']).drop('city4', 1)
Out[5247]:
        city_x state  value         city_y  temp
0     NEW YORK    NY      1  NEW YORK CITY    20
1       DALLAS    TX      2     DALLAS/ABC    21
2  LOS ANGELES    CA      3        LOS ANG    21

更具体地说。

In [5251]: (pd.merge(df1.assign(city4=df1.city.str[:4]),
      ...:           df2.assign(city4=df2.city.str[:4]),
      ...:           on=['city4', 'state'])
              .drop(['city4', 'city_y'], 1)
              .rename(columns={'city_x': 'city'}))
Out[5251]:
          city state  value  temp
0     NEW YORK    NY      1    20
1       DALLAS    TX      2    21
2  LOS ANGELES    CA      3    21

详细

In [5255]: df1.assign(city4=df1.city.str[:4])
Out[5255]:
            city state  value city4
0       NEW YORK    NY      1  NEW
1         DALLAS    TX      2  DALL
2    LOS ANGELES    CA      3  LOS
3  SAN FRANCISCO    CA      4  SAN

In [5256]: df2.assign(city4=df2.city.str[:4])
Out[5256]:
            city state  temp city4
0  NEW YORK CITY    NY    20  NEW
1     DALLAS/ABC    TX    21  DALL
2        LOS ANG    CA    21  LOS
3            ABC    CA    23   ABC

Answer 2

通过使用状态和4个城市字母创建密钥来使用map的一种方式，即

one = df1.state+df1.city.str[:4]
two = df2.state+df2.city.str[:4]
df1['temp']=(one).map(df2.set_index(two)['temp'].to_dict())
df1 = df1.dropna()

          city state  value  temp
0     NEW YORK    NY      1  20.0
1       DALLAS    TX      2  21.0
2  LOS ANGELES    CA      3  21.0

使用String包含的Pandas匹配2个数据帧中的值

2 个答案: