如何对多个数据集使用 numpy 向量化，然后调用 function？

Question

我有一个包含名称和日期的数据集。 我需要将它们与具有名称和日期的其他数据集进行比较，如果名称在其中，则调用另一个 function，在示例中我只是模拟了一个返回，它将分配给 dataframe 中的一个新列。 但我找不到如何。 这是我到目前为止所做的：*我需要使用 numpy 矢量化

def getName(name, date, df1, df2):
    if name  == df1['NAME'].values:
       return name
    if name  == df2['NAME'].values:
       return 'HEY'

df = pd.DataFrame({
    "NAME": ["JOE", "CHRIS", "AARON"],
    "DATE": [10, 20, 30]
})
df1 = pd.DataFrame({
    "NAME": ["JOE", "JASON", "GUS"],
    "DATE": [10, 20, 30]
})

df2 = pd.DataFrame({
    "NAME": ["STEPHEN", "CHRIS", "AARON"],
    "DATE": [10, 20, 30]
})

df['NAME_'] = getname(df['NAME'].values, df['DATE'].values, df1, df2)

output 应该是：

df = 
NAME DATE NAME_
JOE   10   JOE
CHRIS 20   HEY
AARON 30   HEY

Answer 1

因此，您正在使用==运算符测试相等性，这将评估 False 因为name是str而df1['NAME']是Series 。 我认为您想测试name是否在列中。 您可以使用if name in df1['NAME'].values类的构造来执行此操作。

但是，即使您修复了 function，您也不能只调用一次getName并获得您正在寻找的结果。 通常，您可以使用apply以便为df的每一行调用 function 。 您可以使用df['NAME'].apply(getname, axis=1)来做到这一点。 但这没有使用矢量化，因为apply是幕后的循环。

所以也许你可以使用join

df1['NAME_'] = df1['NAME']
df2['NAME_'] = 'HEY'
df3 = pd.concat([df2, df3]).set_index('NAME')
df.join(df3['NAME_'], on='NAME', how='left')

Output

    NAME  DATE NAME_
0    JOE    10   JOE
1  CHRIS    20   HEY
2  AARON    30   HEY