如何使用pandas.DataFrame.assign（）根據不同的數據框添加新列

Question

我有兩個數據框。

df1：

filename|data
fileA|1
fileB|33
fileC|343

df2：

path|filesize|filetype
/tmp/fileA.csv|123|csv
/tmp/fileB.csv|123|csv
/tmp/fileC.csv|3534|csv
/tmp/fileD.csv|234|csv

我希望結果是

filename|data|path
fileA|1|/tmp/fileA.csv
fileB|33|/tmp/fileB.csv
fileC|343|/tmp/fileC.csv
fileD|3243|/tmp/fileD.csv

這似乎非常簡單，但我似乎無法使其與.assign（）一起使用。 我需要將df1.filename中的每一行與df2.filepath中的內容進行匹配，然后將df1 ['filepath']添加到df1。

我嘗試了以下操作，但它抱怨Series不“可哈希化”

df1.assign(path = lambda x: df2[df2.path.str.contains(x.filename + ".csv")][path])

{TypeError}“系列”對象是可變的，因此不能進行散列

我通過執行以下操作來確保df1.assign（）是正確的

df1.assign(path = lambda x: x.filename)

並且它起作用了，只是在df1上附加了文件名（這是我所期望的）。

我假設問題區域是包含“系列”的`contains（ x.filename +“ .csv”）。 如果我將其更改為x.filename.values，則得到

{TypeError}無法散列的類型：“ numpy.ndarray”。 我不明白“ x”是什么。 我假設它是一個Series對象，但不知道如何確定它與哪個“行”相關聯。

我可以蠻力地執行此操作，只是循環遍歷df1，但是df1是2M +記錄，出於性能原因，大熊貓似乎普遍不贊成循環。 有人可以指出我做錯了什么嗎？

Answer 1

IIUC，我想您想使用str訪問器並使用正則表達式extract從路徑中提取文件名並合並到文件名中：

df2.assign(filename=df2.path.str.extract(r'(\w+)\.csv', expand=True))\
   .merge(df1, on='filename')

輸出：

             path  filesize filetype filename  data
0  /tmp/fileA.csv       123      csv    fileA     1
1  /tmp/fileB.csv       123      csv    fileB    33
2  /tmp/fileC.csv      3534      csv    fileC   343