Skip to main content
 首页 » 编程设计

python之返回多列 Pandas 对应的值

2025年04月02日16luoye11

我一直试图以干净的方式解决这个问题,但在这个任务上一直失败。

直截了当...我有 2 个数据框:

df1 
     anID   siID   daID 
0       A      0      0 
1       D      0      0 
2       E      0      0 
3       F      0      0 
4       G      A      D 
5       H      E      D 
6       B      0      0 
7       I      E      M 
8       L      F      0 
9       M      B      H 
10      N      A      D 
 
df2 
   map_id  renum_id 
0       A         1 
1       C         2 
2       B         3 
3       E         4 
4       D         5 
5       F         6 
6       Q         7 
7       V         8 
8       H         9 
9       G        10 
10      N        11 

基本上,df1是一个带有识别码的数据框,df2$renum_id有新代码来替换现有代码和df2$map_id是指导df1重新编码的 map 的专栏。

现在我需要一种干净、轻便/快速的方法来获得相应的 renum_id map_id 中所有 3 列的值(使用 df1 作为键) (anID,siID,daID)。基本上,我希望它为每个字母提供相应的 renum_ID,并保留 0 (零)对于 df1 中的零。

所以,我需要一个 df3像这样:

     anID   siID   daID  anID/  siID/  daID/ 
0       A      G      0      1     10      0    
1       D      E      A      5      4      1       
2       E      0      0      4      0      0 
3       F      B      D      6      3      5 
4       G      A      D     10      1      5 
5       H      E      D      9      4      5           
6       B      0      0      2      0      0      
7       N      A      D     11      1      5 

这可能真的很简单,但我一直在尝试使用 pd.merge无法想出办法解决我的问题。

Dataframes 大约有数十万行,这就是为什么我坚持需要一种“轻”的方式来解决它。

提前谢谢大家。

请您参考如下方法:

我想你可以先用df2 创建dictionary by to_dict然后 replace df1 中的值由 dictionary d。最后 concat新的 DataFrame df3 到 df1 按列:

d = df2.set_index('map_id').to_dict() 
print d['renum_id'] 
{'A': 1, 'C': 2, 'B': 3, 'E': 4, 'D': 5, 'G': 10, 'F': 6, 'H': 9, 'N': 11, 'Q': 7, 'V': 8} 
 
df3 = df1.replace(d['renum_id']) 
df3.columns = [col + '/' for col in df3.columns] 
print df3 
 
   anID/ siID/ daID/ 
0      1     0     0 
1      5     0     0 
2      4     0     0 
3      6     0     0 
4     10     1     5 
5      9     4     5 
6      3     0     0 
7      I     4     M 
8      L     6     0 
9      M     3     9 
10    11     1     5 
 
print pd.concat([df1, df3], axis=1) 
 
   anID siID daID anID/ siID/ daID/ 
0     A    0    0     1     0     0 
1     D    0    0     5     0     0 
2     E    0    0     4     0     0 
3     F    0    0     6     0     0 
4     G    A    D    10     1     5 
5     H    E    D     9     4     5 
6     B    0    0     3     0     0 
7     I    E    M     I     4     M 
8     L    F    0     L     6     0 
9     M    B    H     M     3     9 
10    N    A    D    11     1     5