我有以下的数据框架
Number Name ID1 ID2 ID3
100000 a1 100000 100000 100000
200000 a2 200000 200000 200000
101000 a3 100000 101000 101000
201545 a4 200000 201500 201545
101010 a5 100000 101000 101010
201500 a6 200000 201500 201500
而我想新建3个列,对于每个列,我需要取IDX列的值(x在[1-3]中),并在Number列中搜索,从那里返回第一个值,并与列值Name进行连接。
Number Name ID1 ID2 ID3 id_name1 id_name2 id_name3
100000 a1 100000 100000 100000 100000-a1 100000-a1 100000-a1
200000 a2 200000 200000 200000 200000-a2 200000-a2 200000-a2
101000 a3 100000 101000 101000 100000-a1 101000-a3 101000-a3
201545 a4 200000 201500 201545 200000-a2 201500-a6 201545-a4
101010 a5 100000 101000 101010 100000-a1 101000-a3 101010-a5
201500 a6 200000 201500 201500 200000-a2 201500-a6 201500-a6
也就是说,对于ID1,我需要创建一个id_name1列,在Number列中寻找ID1中包含的信息(因为可能已经重复了,只有第一个已经有帮助了),从而把同一条线上但在Name列中的值带过来,以此类推将这些值串联起来,形成id_name1列。
我试着用for loop和loc iloc来做,但我做不到,有谁能给我一个启示?
编辑:我需要获取Number列中ID1列的值,并返回Number列的值和Name列的值。
你可以定义一些映射,并为每一列做一个for-loop。
columns = ['ID1', 'ID2', 'ID3']
mappings = dict(zip(df.Number.values, df.Name.values))
for col in columns:
df['id_name' + col[2]] = df[col].astype(str) + '-' + df[col].map(mappings)
df
# Name ID1 ID2 ID3 id_name1 id_name2 id_name3
# Number
# 100000 a1 100000 100000 100000 100000-a1 100000-a1 100000-a1
# 200000 a2 200000 200000 200000 200000-a2 200000-a2 200000-a2
# 101000 a3 100000 101000 101000 100000-a1 101000-a3 101000-a3
# 201545 a4 200000 201500 201545 200000-a2 201500-a6 201545-a4
# 101010 a5 100000 101000 101010 100000-a1 101000-a3 101010-a5
# 201500 a6 200000 201500 201500 200000-a2 201500-a6 201500-a6
使用 map
来映射你的价值,然后 concat
他们回来了。
df = pd.read_clipboard(sep="\s\s+").astype(str)
s = df.set_index("Number")["Name"]
df2 = (df.filter(like="ID")+"-"+df.filter(like="ID").apply(lambda x: x.map(s)))
df2.columns = [f"id_name{i}" for i in range(1,4)]
print (pd.concat([df, df2],axis=1))
Number Name ID1 ID2 ID3 id_name1 id_name2 id_name3
0 100000 a1 100000 100000 100000 100000-a1 100000-a1 100000-a1
1 200000 a2 200000 200000 200000 200000-a2 200000-a2 200000-a2
2 101000 a3 100000 101000 101000 100000-a1 101000-a3 101000-a3
3 201545 a4 200000 201500 201545 200000-a2 201500-a6 201545-a4
4 101010 a5 100000 101000 101010 100000-a1 101000-a3 101010-a5
5 201500 a6 200000 201500 201500 200000-a2 201500-a6 201500-a6
创建Number到数字和字母的映射。
temp = df.Number.astype(str) + '-' + df.Name
mapping = dict(zip(df.Number,temp))
mapping
{100000: '100000-a1',
200000: '200000-a2',
101000: '101000-a3',
201545: '201545-a4',
101010: '101010-a5',
201500: '201500-a6'}
df = df.set_index(['Number','Name'])
#replace values in df with the mapping
#and give it new column names
res = (df
.replace(mapping)
.set_axis(['id_name1','id_name2','id_name3'],axis=1)
)
res
id_name1 id_name2 id_name3
Number Name
100000 a1 100000-a1 100000-a1 100000-a1
200000 a2 200000-a2 200000-a2 200000-a2
101000 a3 100000-a1 101000-a3 101000-a3
201545 a4 200000-a2 201500-a6 201545-a4
101010 a5 100000-a1 101000-a3 101010-a5
201500 a6 200000-a2 201500-a6 201500-a6
合并回原数据框架。
df.join(res)
ID1 ID2 ID3 id_name1 id_nam2 id_name3
Number Name
100000 a1 100000 100000 100000 100000-a1 100000-a1 100000-a1
200000 a2 200000 200000 200000 200000-a2 200000-a2 200000-a2
101000 a3 100000 101000 101000 100000-a1 101000-a3 101000-a3
201545 a4 200000 201500 201545 200000-a2 201500-a6 201545-a4
101010 a5 100000 101000 101010 100000-a1 101000-a3 101010-a5
201500 a6 200000 201500 201500 200000-a2 201500-a6 201500-a6