Pandas - 通过在另一列中查找一列的值来创建一列。

Question

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。

Answer 1

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

Answer 2

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

Answer 3

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