使用 apply 和 lambda 遍历数据框收集值

Question

我的例子是虚构的。我想用 apply() 和 lambda 来解决这个问题，尽管我也尝试过 iterrows() 但没有运气。我正在尝试向 df2 添加一列，该列根据每个 df2 行中的“项目”组合在 df1 中查找值。预先感谢您的帮助。

import pandas as pd
import numpy as np
import random

names= ['A', 'B', 'C', 'D', 'E']

df1 = pd.DataFrame( np.arange(25).reshape(5,5), columns = names, index = names)

n=5
data = {'Item 1' : random.sample(names, n),
        'Item 2' : random.sample(names, n)}
df2 = pd.DataFrame(data)

#I can't get this to work. 
df2['New'] = df2.apply(lambda x: df1.loc[df2.loc[x, 'Item 1'], df2.loc[x, 'Item 2']], axis=1)

#Since this works, I assume my error with apply and lambda.  Thanks.
x=2
df1.loc[df2.loc[x, 'Item 1'], df2.loc[x, 'Item 2']]

Answer 1

我一般会避免使用 apply，特别是在 lambda 函数中使用 loc 调用。随着时间的推移，这会变得非常缓慢。

改用 numpy 的矢量化：

r = df2['Item 1'].map(dict(zip(df1.index, np.arange(len(df1.index)))))
c = df2['Item 2'].map(dict(zip(df1.columns, np.arange(len(df1.columns)))))

df2['new'] = df1.to_numpy()[r, c]

Answer 2

df2['new'] = df2.apply(lambda x: df1.loc[x['Item 1'],x['Item 2']], axis=1)

输出：

>>> df2
  Item 1 Item 2  new
0      D      A   15
1      B      B    6
2      A      D    3
3      E      C   22
4      C      E   14

这是你想要的吗？如果不是，请添加您想查看的示例输出。