Question

我正在尝试在熊猫数据框中找到匹配的值。找到匹配项后，我要对数据框的行执行一些操作。

当前我正在使用此代码：

import pandas as pd

d = {'child_id': [1,2,5,4,7,8,9,10],
 'parent_id': [3,4,1,3,11,6,12,13],
 'content': ["thon","pan","py","das","ten","sor","js","on"]}

df = pd.DataFrame(data=d)

df2 = pd.DataFrame(columns = ("content_child", "content_parent"))

for i in range(len(df)):

        for j in range(len(df)):

            if str(df['child_id'][j]) == str(df['parent_id'][i]):
                content_child = str(df["content"][i])

                content_parent = str(df["content"][j])

                s = pd.Series([content_child, content_parent], index=['content_child', 'content_parent'])
                df2 = df2.append(s, ignore_index=True)
            else:
                pass

 print(df2)

这将返回：

  content_child content_parent
0           pan            das
1            py           thon

我尝试使用df.loc函数，但仅成功从子级获取内容或从父级获取内容

df.loc[df.parent_id.isin(df.child_id),['child_id','content']]

返回：

      child_id content
1         2     pan
2         5      py

我编写的循环是否有快速的替代方法？

Answer 1

如果左侧join等于右侧child_id，则只能使用parent_id个数据帧作为条件。

df.set_index('parent_id').join(df.set_index('child_id'), rsuffix='_').dropna()

此代码将创建两个ID为parent_id和child_id的数据表。然后像往常一样将它们加入SQL连接。毕竟，删除NaN值并获得content列。你想要哪一个。有2个内容列。其中之一是父内容，第二是子内容。

Answer 2

要提高性能，请使用map：

df['content_parent'] = df['parent_id'].map(df.set_index('child_id')['content'])
df = (df.rename(columns={'content':'content_child'})
        .dropna(subset=['content_parent'])[['content_child','content_parent']])
print (df)
  content_child content_parent
1           pan            das
2            py           thon

或使用默认内部联接的merge：

df = (df.rename(columns={'child_id':'id'})
        .merge(df.rename(columns={'parent_id':'id'}), 
              on='id', 
              suffixes=('_parent','_child')))[['content_child','content_parent']]
print (df)
  content_child content_parent
0            py           thon
1           pan            das

从熊猫数据框中匹配和提取值

2 个答案: