使用多变量条件比较数据框

Question

我在使用合并来找出列的值时遇到了麻烦。 我有两个数据框：

df 条件

A  |  B  |  C  |  D  |  E  | F |
A1 | B1  |     |     |     | F1|
A2 | B2  |     |     |     | F2|
A3 | B3  |     |  D3 |     | F3|
A4 | B4  |     |  D4 |  E4 | F4|

df 结果

A  |  B  |  C  |  D  |  E  | G  | H  | 
A1 | B1  |  C1 |  D1 |  E1 | G1 | H1 |
A2 | B2  |  C2 |  D2 |  E2 | G2 | H2 |
A3 | B3  |  C3 |  D3 |  E3 | G3 | H3 |
A4 | B4  |  C4 |  D4 |  E4 | G4 | H4 |

F列的参数值要包含在merge（）中，结果我想要df结果

我正在使用代码：

df Result = pd.merge(df Result, df Conditions[[A,B,C,D,E,F]], on = [A,B,C,D,E], how = 'left')

目前，结果是仅获得具有最多条件的 F 列，但不会评估每个条件。

A  |  B  |  C  |  D  |  E  | G  | H  | F |
A1 | B1  |  C1 |  D1 |  E1 | G1 | H1 |   |
A2 | B2  |  C2 |  D2 |  E2 | G2 | H2 |   |
A3 | B3  |  C3 |  D3 |  E3 | G3 | H3 |   |
A4 | B4  |  C4 |  D4 |  E4 | G4 | H4 | F4|

我怎样才能做到这一点？

Answer 1

我想了一种方法来使用多个df.update()与合并。 基本思想是创建多个wildcards dataframe 到不同列上的None值

df_Conditions = pd.DataFrame(columns=['A', 'B', 'C', 'D', 'E', 'F'],
                             data=[['A1', 'B1', None, None, None, 'F1'],
                                   ['A2', 'B2', None, None, None, 'F2'],
                                   ['A3', 'B3', None, 'D3', None, 'F3'],
                                   ['A4', 'B4', None, 'D4', 'E4', 'F4'],
                                   ])

df_Result = pd.DataFrame(columns=['A', 'B', 'C', 'D', 'E', 'G', 'H'],
                         data=[['A1', 'B1', 'C1', 'D1', 'E1', 'G1', 'H1'],
                               ['A2', 'B2', 'C2', 'D2', 'E2', 'G2', 'H2'],
                               ['A3', 'B3', 'C3', 'D3', 'E3', 'G3', 'H3'],
                               ['A4', 'B4', 'C4', 'D4', 'E4', 'G4', 'H4'],
                               ])

首先像你所做的那样合并，它应该给你一个额外的空column F

res = pd.merge(df_Result, df_Conditions, on=['A', 'B', 'C', 'D', 'E'], how='left')
res
Out[8]: 
    A   B   C   D   E   G   H    F
0  A1  B1  C1  D1  E1  G1  H1  NaN
1  A2  B2  C2  D2  E2  G2  H2  NaN
2  A3  B3  C3  D3  E3  G3  H3  NaN
3  A4  B4  C4  D4  E4  G4  H4  NaN

创建通配符 dataframe 作为df_Conditions的子数据框

wildcards_C = df_Conditions[df_Conditions['C'].isnull()].dropna(axis=1, how='all')
wildcards_C
Out[10]: 
    A   B     D     E   F
0  A1  B1  None  None  F1
1  A2  B2  None  None  F2
2  A3  B3    D3  None  F3
3  A4  B4    D4    E4  F4

将其与df_Result合并并更新 res 上的值

res.update(df_Result.merge(wildcards_C, how='left'), overwrite=False)
res
Out[12]: 
    A   B   C   D   E   G   H    F
0  A1  B1  C1  D1  E1  G1  H1  NaN
1  A2  B2  C2  D2  E2  G2  H2  NaN
2  A3  B3  C3  D3  E3  G3  H3  NaN
3  A4  B4  C4  D4  E4  G4  H4   F4

当 A、B、D、E 列上的值匹配时，它将更新res dataframe 上的 F 列。 对条件列 E 重复相同的操作

wildcards_E = df_Conditions[df_Conditions['E'].isnull()].dropna(axis=1, how='all')
res.update(df_Result.merge(wildcards_E, how='left'), overwrite=False)
res
Out[6]: 
    A   B   C   D   E   G   H    F
0  A1  B1  C1  D1  E1  G1  H1  NaN
1  A2  B2  C2  D2  E2  G2  H2  NaN
2  A3  B3  C3  D3  E3  G3  H3   F3
3  A4  B4  C4  D4  E4  G4  H4   F4

最后对条件列 D 重复相同的操作

wildcards_D = df_Conditions[df_Conditions['D'].isnull()].dropna(axis=1, how='all')
res.update(df_Result.merge(wildcards_D, how='left'), overwrite=False)
res
Out[6]: 
    A   B   C   D   E   G   H   F
0  A1  B1  C1  D1  E1  G1  H1  F1
1  A2  B2  C2  D2  E2  G2  H2  F2
2  A3  B3  C3  D3  E3  G3  H3  F3
3  A4  B4  C4  D4  E4  G4  H4  F4

出于演示目的，我没有将重复分组在一个循环中。

这里的一个缺点是您必须自己分析“通配符”的顺序，目前的策略：尽可能长地保留通配符最少的列（即 D 列）。