基于另一个数据数据对熊猫值进行排序

Question

我有一个这样的df_1：

A                      

apple, iphone, android
facebook, apple
macbook, laptop
firestick, hulu, netflix
android, laptop
laptop

df_2是这样的：

A           B

apple       1
macbook     2
facebook    3
firestick   4
hulu        5
netflix     6
android     7
laptop      8

我试图从A列df_1中提取一个单词，它在列B中的值最低，如下所示：

A                               B_new

apple, iphone, android          apple
facebook, apple                 apple
macbook, laptop                 macbook
hulu, netflix, firestick        firesick
laptop, android                 android                 
laptop                          laptop

我假设我可以根据df_1列A中的B值对df_2的每个值进行排序。或者创建一个函数，该函数从df_1接收单个df_1值，并以B中最小的数字从df_2返回str。但是，由于数据相当大，我认为使用apply不是很有效。有一种灵巧的熊猫来完成这样的任务吗？

Answer 1

如果存在，您可以创建字典和匹配值，然后获得最大值，否则丢失值：

d = df_2.set_index('A')['B'].to_dict()

def f(x):
    d1 = {y:d[y] for y in x.split(', ') if y in d}
    return min(d1, key=d1.get)  if len(d1) > 1 else np.nan

或者：

import operator

def f(x):
    d1 = {y:d[y] for y in x.split(', ') if y in d}
    return min(d1.items(), key=operator.itemgetter(1))[0] if len(d1) > 1 else np.nan

df_1['new'] = df_1['A'].apply(f)
print (df_1)
                          A        new
0    apple, iphone, android      apple
1           facebook, apple      apple
2           macbook, laptop    macbook
3  firestick, hulu, netflix  firestick
4           android, laptop    android
5                    laptop     laptop

Answer 2

@jezrael的解决方案更干净，而且应该更快，因为我们正在处理字符串；下面的解决方案是另一种选择：

迭代以获得各个条目：

values = [[value.strip() for value in entry.split(",")] 
          for entry in df1.A.__iter__()]
values

[['apple', 'iphone', 'android'],
 ['facebook', 'apple'],
 ['macbook', 'laptop'],
 ['firestick', 'hulu', 'netflix'],
 ['android', 'laptop'],
 ['laptop']]

获取最小值，在本例中这将是第一个True：

values = [df2.loc[df2.A.isin(value), "B"].idxmin() 
          for value in values]
values
[0, 0, 1, 3, 6, 7]

选择值并将其赋值给新列：

df1.loc[:, 'B_new'] = df2.iloc[values, 0]


       A                           B_new
0   apple, iphone, android         apple
1   facebook, apple                apple
2   macbook, laptop               macbook
3   firestick, hulu, netflix    firestick
4   android, laptop              android
5   laptop                        laptop

Answer 3

也不是最快的，但我喜欢用另一种方式思考这个问题。

您可以使用str.get_dummies方法，执行逐行乘法，并接受idxmin：

ab_dict = df_2.set_index("A")["B"].to_dict()
df_1["B"] = df_1["A"].str.get_dummies(", ")
        .apply(lambda c: c.replace(0, np.nan)*ab_dict.get(c.name, np.nan))
        .idxmin(axis=1)