Question

我希望使用df1中的一列作为df2的过滤器：

df1 = [('Client', ['A', 'A', 'A', 'B', 'C', 'D', 'D',]),
                    ('Num_Trades', ['1', '2', '3', '1', '1', '1', '1',])
      ]

df1 = pd.DataFrame.from_items(df1)
display(df1)

    Client  Num_Trades
0   A       1
1   A       2
2   A       3
3   B       1
4   C       1
5   D       1
6   D       1

现在从df1中提取uniquie客户：

mask_array = df1.Client.unique()
mask_array = dataframe=pd.DataFrame(mask_array, columns=['Client']) 
# mask_list = df1['Client'].unique().tolist()
# mask_list = dataframe=pd.DataFrame(mask_list, columns=['Client']) 
display(mask_array)

    Client
0   A
1   B
2   C
3   D

要过滤的示例数据帧：

df2 = [('Client', ['A', 'B', 'A', 'Y',]),
('Product', ['GOVT', 'GOVT', 'GOVT', 'GOVT',]),
('currency_str', ['USD', 'GBP', 'USD', 'NZD',]),
('Amount', ['10', '20', '30', '40',]),
         ]
# create pandas df
df2 = pd.DataFrame.from_items(df2)
display(df2)


        Client  Product currency_str    Amount
0       A       GOVT    USD             10
1       B       GOVT    GBP             20
2       A       GOVT    USD             30
3       Y       GOVT    NZD             40

所需结果只是客户在df1中存在的金额上的所有行的总和：

Client  Product currency_str    Amount
A       GOVT    USD             40
B       GOVT    GBP             20

我的代码生成的'DataFrame'对象是可变的，因此不能进行哈希处理。我也尝试使用数组和列表。那么，需要对唯一的记录集执行什么操作才能将其用作df2的过滤器？

d = [ 
        ('Amount', 'sum')     
    ] 

# aggregate 
mask = df2['Client'].str.contains(mask_list) 
df2 = df2[mask].groupby(['Client','Product','currency_str'])['Amount'].agg(d).reset_index()
display(df2)

Answer 1

如果需要按子字符串过滤，则可以将join与|一起使用正则表达式OR：

mask = df2['Client'].str.contains('|'.join(df1.Client.unique()))

或者如果需要按值过滤，请使用isin：

mask = df2['Client'].isin(df1.Client.unique())

df2['Amount'] = df2['Amount'].astype(int)
df2 = df2[mask].groupby(['Client','Product','currency_str'])['Amount'].agg(d).reset_index()
print(df2)
  Client Product currency_str  Amount
0      A    GOVT          USD      40
1      B    GOVT          GBP      20

Answer 2

这对我有用。我注意到数量实际上是一个字符串，因此需要在groupby之前进行理想的转换。如果您不能在这里转换我的解决方案：

创建df1的唯一客户端列表：

df1['Client'].unique()

array（['A'，'B'，'C'，'D']，dtype = object）

然后使用它来过滤“客户端”列上的df2

df2[
    df2['Client'].isin(df1['Client'].unique())
]

现在添加groupby和lambda来处理字符串量：

df2[
    df2['Client'].isin(df1['Client'].unique())
].groupby(['Client','Product','currency_str'])['Amount'].apply(lambda x: sum([np.int(x) for x in x.values]))

Client  Product  currency_str
A       GOVT     USD             40
B       GOVT     GBP             20
Name: Amount, dtype: int64

NB：

apply(lambda x: sum([np.int(x) for x in x.values]))

执行以下操作。列数量中的每个值都通过np.int转换为int并保存在列表中。然后在该列表上求和。例：对于客户A：groupby返回了金额“ 10”和“ 30”，但您不能对字符串求和。因此，请单独进行转换，然后应用sum（）。

添加：

.to_frame('Amount').reset_index()


    Client  Product     currency_str    Amount
0   A       GOVT        USD             40
1   B       GOVT        GBP             20

从一个数据框的列中获取唯一值，并使用它来过滤另一数据框中的行

2 个答案: