Question

我有两个要加入到employee_id上的熊猫数据框。一个是Employee_Logs，另一个是HR_Data。

Employee_Logs_df

employee_id  action
2325255b     login     
51666164     login
51666164v    login
r1211        logoff
r18552421    login

HR_Data_df

employee_id  name
2325255      Rob    
51666164     Tom
r1211        Tammy
r18552421    Ron

我想加入他们，以便数据看起来像这样：

New_df

employee_id  action  name
2325255b     login   Rob  
51666164     login   Tom
51666164v    login   Tom
r1211        logoff  Tammy
r18552421    login   Ron

如果employee_id字段在两个表上都匹配，我可以进行轻松连接，但是同一用户的员工ID后可以有“ b”或“ v”，以指定帐户像管理员帐户一样被提升。某些用户帐户的ID前面有一个“ r”，但两个表都是这种情况。

在SQL中，这给了我想要的结果：

select el*,
    coalesce(h.name, hv.name, hb.name) as name
from employee_logs el left join
    hr_data h
    on el.employee_id = h.employee_id left join
    hr_data hv
    on el.employee_id = concat(h.employee_id, 'v') left join
    hr_data hb
    on el.employee_id = concat(h.employee_id, 'b');

在Python中，有什么好方法可以执行一些操作并创建新的df吗？

Answer 1

您可以使用正则表达式将employee_id中Employee_Logs_df的结尾字母剥离，然后将其映射到HR_Data_df中的名字：

new_df = Employee_Logs_df.assign(name = Employee_Logs_df.employee_id
                                 .str.extract('(.*\d+)',expand=False)
                                 .map(HR_Data_df.set_index('employee_id')['name']))

>>> new_df
  employee_id  action   name
0    2325255b   login    Rob
1    51666164   login    Tom
2   51666164v   login    Tom
3       r1211  logoff  Tammy
4   r18552421   login    Ron

如果需要，可以通过合并执行类似的操作：

new_df = Employee_Logs_df.merge(HR_Data_df.set_index('employee_id'),
                                left_on=Employee_Logs_df.employee_id
                                .str.extract('(.*\d+)',expand=False),
                                right_index=True)

>>> new_df
  employee_id  action   name
0    2325255b   login    Rob
1    51666164   login    Tom
2   51666164v   login    Tom
3       r1211  logoff  Tammy
4   r18552421   login    Ron

在具有相似但不完全相同的值的列上联接数据框

1 个答案: