将列添加到基于同一 DF 中其他两个列的值在 DF 中进行查找的 Pandas DF

Question

我正在将数据从数据库中提取到 Pandas 中，它采用以下格式：

操作ID	程序	手术	父程序	父操作
65510	种子	设置	（空字符串）	（空刺）
65511	种子	伊诺克	种子	设置
65512	种子	文化	种子	文化

有几千行，一行的父行并不总是前一行（但经常是）。 每行代表一个操作。 每行都有一个唯一的 ID。 每行中的Procedure 和Operation 的组合也应该是唯一的（它们本身都不是唯一的）。 ParentProcedure 和 ParentOperation 标识表中的另一行，它是相关行的“父”（这些空字符串表示该操作没有父）。 不幸的是，数据库不包含父操作的 ID，所以我想查找它并将其添加为列。

我正在尝试添加一个名为 ParentOperationID 的新列，其中每个条目都使用来自 ParentProcedure 和 ParentOperation 的值对过程和操作进行查找，并从第一次命中中找到相应的操作 ID（无论如何应该只是一次命中）。

我可以在 Excel 表格中使用以下内容（必须作为数组公式输入，即 Ctrl+Shift+Enter），但我正在努力在 Pandas 中实现类似的东西：

=INDEX([OperationID],MATCH([@[ParentProcedure]]&[@[ParentOperation]],[Procedure]&[Operation],0))

结果应该是这样的：

操作ID	程序	手术	父程序	父操作	父操作 ID
65510	种子	设置	（空字符串）	（空刺）	NaN
65511	种子	伊诺克	种子	设置	65110
65512	种子	文化	种子	文化	65111

没有父级的操作应该返回 NaN 或 None 或一些类似的标志，而不是零。 如果找不到父对象，则应抛出错误。

Answer 1

您可以自行连接数据并选择所需的列。

df = (df.merge(df, 
         left_on=['Procedure', 'Operation'], 
         right_on=['ParentProcedure', 'ParentOperation', 
         suffixes=['', '_parent'])
    .rename(columns={'OperationID_parent': 'ParentOperationID'})
)

这将创建一个名为OperationID_parent的新列。 然后您可以将其重命名为ParentOperationID 。