Pandas 拆分列 (dtype:list) 后跟动态 lookup/merge

Question

我有一个数据框如下。

Table_name	Domain	Use_case
group	Reporting	finance, marketing
resource	Banking, Reporting	marketing, sales, finance
customer	Reporting	sales

Domain_df[]:

Domain_name	Domain_id
Reporting	1001
Banking	1002

Usecase_df[]

usecase_name	id
Finance	2001
marketing	2002
sales	2003

我想要的最终结果是：

Table_name	Domain	Use_case	domain_id	usecase_id
group	Reporting	finance, marketing	[1001]	[2001,2002]
resource	Banking,Reporting	marketing, sales, finance	[1002,1001]	[2002,2003,2001]
customer	Reporting	sales	[1002]	[2003]

最初我尝试使用定界符拆分列，并使用

形成单独的列

df=df.join(pandas.DataFrame(df['Verified Use case'].str.split(', ', expand=True)).add_prefix('use_case_'))

我得到的结果是这样的：

Table_name	Domain	Use_case	domain0	domain1	usecase0	usecase1	usecase2
group	Reporting	finance, marketing	Reporting	NA	finance	marketing	NA
resource	Banking, Reporting	marketing, sales, finance	Banking	Reporting	marketing	sales	finance
customer	Reporting	sales	reporting	NA	sales	NA	NA

除此之外，我需要对域和用例表的所有列执行 merge/lookup 以获取以列中列表的形式返回到数据框的相应 ID。应该是对应ids的列表。

将每一列拆分为单独的动态列然后进行合并是否是一种好方法（在这种情况下编写此合并语句很棘手，我需要一些帮助）

但我的问题是有没有其他方法可以直接实现此目的而不拆分它？

如果没有，那如何实现动态合并呢？

PS: 在列域中输入的值的数量 use_case 是一个变量。

如果 question/result 不清楚，请告诉我。

非常感谢

Answer 1

这是一个可能的解决方案：

domain_map = domain_df.set_index('Domain_name')['Domain_id'].to_dict()
usecase_map = usecase_df.set_index('usecase_name')['id'].to_dict()

df = df.assign(
    domain_id=(
        df['Domain'].str.split(', ')
                    .map(lambda lst: list(map(domain_map.get, lst)))),
    usecase_id=(
        df['Use_case'].str.split(', ')
                      .map(lambda lst: list(map(usecase_map.get, lst)))),
)

Pandas 拆分列 (dtype:list) 后跟动态 lookup/merge

Pandas splitting of columns (dtype:list) followed by dynamic lookup/merge

python

pandas

dataframe

merge

lookup