Return 基于不同 Pandas DataFrame 条件查找的值

Question

Objective：从一个数据框中查找值（有条件地）并将结果放入具有新列名称的不同数据框中

df_1 = pd.DataFrame({'user_id': [1,2,1,4,5],
                    'name': ['abc','def','ghi','abc','abc'],
                    'rank': [6,7,8,9,10]})
df_2 = pd.DataFrame ({'user_id': [1,2,3,4,5]})

df_1 # original data

df_2 # new dataframe

在这个一般示例中，我试图创建一个名为 "priority_rank" 的新列，并且仅根据针对 df_1 的条件查找来填充 "priority_rank"，即以下内容：

user_id 必须在 df_1 和 df_2
我只对df_1['name']感兴趣 == 'abc'其他都应该是空白

df_2 应该看起来像这样：

|user_id|priority_rank|
     1     6
     2     
     3
     4     9
     5     10

Answer 1

您正在寻找 map:

df_2.assign(priority_rank=df_2['user_id'].map(
    df_1.query("name == 'abc'").set_index('user_id')['rank']))

   user_id  priority_rank
0        1            6.0
1        2            NaN
2        3            NaN
3        4            9.0
4        5           10.0

Answer 2

一种方法：

In []:
df_2['priority_rank'] = np.where((df_1.name=='abc') & (df_1.user_id==df_2.user_id), df_1['rank'], '')
df_2

Out[]:
   user_id priority_rank
0        1             6
1        2              
2        3              
3        4             9
4        5            10

注意：在您的示例中，df_1.name=='abc' 是一个充分条件，因为 user_id 的所有值在 df_1.name=='abc' 时都是相同的。我假设情况并非总是如此。

Answer 3

使用merge

df_2.merge(df_1.loc[df_1.name=='abc',:],how='left').drop('name',1)
Out[932]: 
   user_id  rank
0        1   6.0
1        2   NaN
2        3   NaN
3        4   9.0
4        5  10.0

Return 基于不同 Pandas DataFrame 条件查找的值

Return Value Based on Conditional Lookup on Different Pandas DataFrame

sql

python-3.x

pandas

lookup-tables