如何根据另一个数据帧的条件匹配在数据帧中创建新列？

Question

情况

我有两个数据框 df1 包含一些关于汽车的信息：

cars = {'Brand': ['Honda Civic','Toyota Corolla','Ford Focus','Audi A4'],
        'Price': [22000,25000,27000,35000]
        }

和 df2 保存与 df1 中的汽车相对应的媒体类型：

images = {'Brand': ['Honda Civic','Honda Civic','Honda Civic','Toyota Corolla','Toyota Corolla','Audi A4'],
        'MediaType': ['A','B','C','A','B','C']
        }

预期结果

因此，我想在 df1 中创建一个概览，说明是否有可用于汽车的媒体类型：

result = {'Brand': ['Honda Civic','Toyota Corolla','Ford Focus','Audi A4'],
        'Price': [22000,25000,27000,35000],
          'MediaTypeA' : [True,True,False,False],
          'MediaTypeB' : [True,True,False,False],
          'MediaTypeC' : [False,False,False,True]
        }

我怎样才能意识到这一点？

我已经可以检查 Brand 中是否存在来自 df1 的 df2，它告诉我存在或根本没有可用的媒体类型：

df1['check'] = df1['Brand'].isin(df2['Brand'])

但我不知道如何将它与特殊媒体类型的检查结合起来。

Answer 1

使用get_dummies作为指标，通过max创建唯一索引并通过DataFrame.join添加到第一个DataFrame，最后替换缺失值：

df11 = pd.get_dummies(df2.set_index('Brand')['MediaType'], dtype=bool).max(level=0)
df = df1.join(df11, on='Brand').fillna(False)
print (df)
            Brand  Price      A      B      C
0     Honda Civic  22000   True   True   True
1  Toyota Corolla  25000   True   True  False
2      Ford Focus  27000  False  False  False
3         Audi A4  35000  False  False   True

如果可能，df1 中的某些缺失值则需要 DataFrame.reindex 和 fill_value=False：

df22 = pd.get_dummies(df2.set_index('Brand')['MediaType'], dtype=bool).max(level=0)
df = df1.join(df22.reindex(df1['Brand'].unique(), fill_value=False), on='Brand')
print (df)
            Brand  Price      A      B      C
0     Honda Civic  22000   True   True   True
1  Toyota Corolla  25000   True   True  False
2      Ford Focus  27000  False  False  False
3         Audi A4  35000  False  False   True