VLOOKUP 並在 pandas 中一起匹配？

Question

如何將此 excel 公式傳遞給 pandas？

=IF(J3="",7,IFERROR(VLOOKUP(I3,Abrang!$A$1:$LT$5956,MATCH(Relatorio!L3,Abrang!$A$3:$LT$3,0),1),0))

如何與此數據框合並

 data_1 = {'COD(COLUMN_I)': [763807643,45968455,56565435,5833250],
 'Data(COLUMN_J)':["16/11/2021","19/11/2021","19/11/2021","09/11/2021"],
 'Type(COLUMN_L)': ["Type 1", "Type 2","Type 3","Type 4"]}
 
 data_2 = {'COD(COLUMN_I)': [763807643,45968455,56565435,5833250],
          'Type_1':["4","21","9","8"],
          'Type_2': ["5", "45","3","8"],
          'Type_3': ["12", "43","54","6"],
          'Type_4': ["7", "5","2","1"]
          }
 df_1 = pd.DataFrame(data=data_1)
 Abrang = pd.DataFrame(data=data_2)

得到這個結果？

Answer 1

使用melt重新格式化您的 dataframe Abrang然后使用merge查找正確的行：

df_2 = Abrang.melt('COD(COLUMN_I)', var_name='Type(COLUMN_L)', value_name='Result')
df_2['Type(COLUMN_L)'] = df_2['Type(COLUMN_L)'].str.replace('_', ' ')

out = df_1.merge(df_2, on=['COD(COLUMN_I)', 'Type(COLUMN_L)'], how='left')

Output：

>>> out
   COD(COLUMN_I) Data(COLUMN_J) Type(COLUMN_L) Result
0      763807643     16/11/2021         Type 1      4
1       45968455     19/11/2021         Type 2     45
2       56565435     19/11/2021         Type 3     54
3        5833250     09/11/2021         Type 4      1

注意：如果兩個數據幀之間的Type列/值相同，代碼可能會更簡單：'Type 1'和'Type_1'等。

Answer 2

該文檔有一個您可以修改的示例； 但是，您應該重塑最后一列以匹配Abrang ：

df_1 = df_1.assign(Result = df_1.iloc[:, -1].str.split().str.join('_'))

idx, cols = pd.factorize(df_1.Result)

df_1 = df_1.assign(Result = Abrang
                            .reindex(cols, axis=1)
                            .to_numpy()[np.arange(len(df_1)), idx]


   COD(COLUMN_I) Data(COLUMN_J) Type(COLUMN_L) Result
0      763807643     16/11/2021         Type 1      4
1       45968455     19/11/2021         Type 2     45
2       56565435     19/11/2021         Type 3     54
3        5833250     09/11/2021         Type 4      1

有關處理查找的更多方法，請參見此處

另一種選擇是使用 pivot，但要長得多：

A, B = df_1.iloc[:, 0], df_1.iloc[:, -1]
B.index = A
Abrang['Result'] = Abrang.iloc[:, 0].map(B)
cols = [*zip(Abrang.columns[1:], B)]
result = (Abrang
          .pivot(Abrang.columns[0], 'Result')
          .loc[:, cols]
          .ffill(axis=1)
          .iloc[:, -1]
          )

df_1.assign(Result = df_1.iloc[:, 0].map(result))

   COD(COLUMN_I) Data(COLUMN_J) Type(COLUMN_L) Result
0      763807643     16/11/2021         Type 1      4
1       45968455     19/11/2021         Type 2     45
2       56565435     19/11/2021         Type 3     54
3        5833250     09/11/2021         Type 4      1