Question

我有一个pandas.DataFrame （df），其中包含一些元数据，其中有一个ID，Column和{{1} }，例如，我想与其他Value结合使用：

df

我想将与下面的df_map = pd.DataFrame({"ID" : [3, 7, 17], "Column" : ["A1", "B7", "C17"], "Value" : ["ValA1", "ValB7", "ValC17"]})结合起来（因为缺少更好的词），其中列名与{{1}中的行条目的名称相匹配}，而下方df中的行值与上方Column中的行值相匹配。

df

因此，我想将它们合并到ID，以便通过将{{1} }}匹配，即df_main = pd.DataFrame({"A1" : [3, 6], "A5" : [5, 10], "B7" : [7, 14] , "C17" : [17, 34], "C19" : [19, 38] })

我基本上希望获得以下结果

df's

不确定在Value中执行此操作的最佳方法吗？

Answer 1

首先将DataFrame.melt转换为index到列，以避免由于左连接而丢失在DataFrame.merge中，然后用DataFrame.set_index用DataFrame.unstack重新整形，仅删除丢失的内容DataFrame.dropna列，最后用MultiIndex展平map：

df = (df_main.reset_index()
             .melt('index',var_name='Column', value_name='ID')
             .merge(df_map, how='left')
             .set_index(['index', 'Column'])
             .unstack()
             .rename_axis(None)
             .dropna(how='all', axis=1))
df.columns = df.columns.map('_'.join)
print (df)
   ID_A1  ID_A5  ID_B7  ID_C17  ID_C19 Value_A1 Value_B7 Value_C17
0      3      5      7      17      19    ValA1    ValB7    ValC17
1      6     10     14      34      38      NaN      NaN       NaN

Answer 2

使用Series.map和pandas.concat的替代解决方案：

df2=pd.concat([df_main.T[key].map(df_map.set_index('ID')['Value']) for key in df_main.index.tolist()],axis=1).T.add_prefix('Value_')
df_main=pd.concat([df_main,df2],axis=1)
df_main.dropna(how='all',axis=1,inplace=True)
print(df_main)

   A3  A5  B7  C17  C19 Value_A3 Value_B7 Value_C17
0   3   5   7   17   19    ValA1    ValB7    ValC17
1   6  10  14   34   38      NaN      NaN       NaN

在合并时重塑熊猫数据框

2 个答案: