Pandas：在 DataFrame 中查找值，其中源列有多個成員

Question

我有一個帶有數據的 DF 和一個表示用於查詢和返回數據的數據庫的 DF。 我無法使用合並，因為某些行包含多個查找。

數據：

df_data = pd.DataFrame([[1000, 'Jerry', 'BR1001, BR1003, BR9009','',''], 
                        [1001, 'Buck', 'BR1010, BR1011','',''], 
                        [1002, 'Melanie', 'BR3009','','DPT2002'],
                        [1003, 'Perry','BR4009','',''],
                        [1004, 'Perry2','','DIST1000',''],
                        [1005, 'Eloise','','','DPT9009'],
                        [1005, 'Sharon','','','DPT9009']],
                        columns=['ID', 'Name', 'School Number','District Number','Dept. Number'])

給定School Number ，我需要能夠提取所有關聯的District Number和Dept. Number 。 我只想專注於提取District Number s。 問題是如何在一個以上的字段中迭代成員。

要查詢的數據：

df_DB = pd.DataFrame([['DIST1000', 'BR1001', 'DPT9009','Physics'], 
                    ['DIST1000', 'BR1003', 'DPT1010','Biology'],
                    ['DIST1000', 'BR1003', 'DPT1011','Sociology'],
                    ['DIST1000', 'BR1010', 'DPT1012','Philosophy'],
                    ['DIST1000', 'BR1011', 'DPT1013','Pre-K'],
                    ['DIST1000', 'BR1012', 'DPT1014','Geology'],
                    ['DIST1001', 'BR9009', 'DPT2001', 'Math'],
                    ['DIST1001', 'BR3009', 'DPT2002', 'Physics'],
                    ['DIST1001', 'BR9009', 'DPT2003', 'Pre-K'],
                    ['DIST1001', 'BR4009', 'DPT2004', 'Economics']],
                    columns=['District Number', 'School Number', 'Dept. Number','Name'])

例如，請注意上面數據中的第一條記錄Jerry 。 他的記錄中分配了 3 個School Number 。

所需 output（示例）：

1000, 'Jerry', 'BR1001, BR1003, BR9009','DIST1001, DIST1000','DPT9009, DPT1010, DPT1011, DPT2001, DPT2003'

為此我需要 function 嗎？ 如果我能找到地區號碼，我想我可以弄清楚部門。

Answer 1

# Changing type from string to list.
df_data['School Number'] = df_data['School Number'].apply(lambda x: x.split(", ")) 

# Expanding list into rows, selecting the desired columns from both tables,
# grouping by the ID, and returning the list of district numbers and schools along with the 
# first name per ID (which is a guaranteed 1:1), then we join these values with a comma after turning them into a set (no duplicates).

df_data.explode('School Number')[['ID', 'Name', 'School Number']].merge(df_DB[['School Number', 'District Number']], left_on='School Number', right_on='School Number').groupby('ID').agg({'Name': 'first', 'School Number': lambda x: ', '.join(set(x)), 'District Number': lambda x: ', '.join(set(x))})

Output：

             Name           School Number     District Number
ID
1000    Jerry  BR1001, BR9009, BR1003  DIST1000, DIST1001
1001     Buck          BR1011, BR1010            DIST1000
1002  Melanie                  BR3009            DIST1001
1003    Perry                  BR4009            DIST1001

或者，對於左連接：

df_data.explode('School Number')[['ID', 'Name', 'School Number']].merge(df_DB[['School Number', 'District Number']], left_on='School Number', right_on='School Number', how='left').groupby('ID').agg({'Name': 'first', 'School Number': lambda x: ', '.join(set(x)), 'District Number': lambda x: ', '.join(set([y for y in x if y == y]))})

Output：

         Name           School Number     District Number
ID
1000    Jerry  BR1003, BR1001, BR9009  DIST1000, DIST1001
1001     Buck          BR1011, BR1010            DIST1000
1002  Melanie                  BR3009            DIST1001
1003    Perry                  BR4009            DIST1001
1004   Perry2
1005   Eloise