熊猫根据来自另一数据的多列返回数据栏

Question

我已经找到了这个问题的答案，但我甚至不知道如何用一种方法来描述它，那就是给出近似的结果。

情况：

我希望将df中的值列合并到df2中，但是我需要合并多个列，这取决于它是否返回一个值。现在的过程是查看值是否通过连接到高、中、低列上返回，这取决于是否返回一个值。如果某些高值没有返回结果，则只会在中间列上加入，如果仍然没有匹配，则将对LOW列执行相同的处理。我在研究groupby方法，但不知道这是否是实现目标的最佳方法。

下面是一个基本的例子：

df = pd.DataFrame({ 'LOW' : ['Abc', 'Bcd', 'CdE'], 'MID' : ['aBc', 'bCd', 'cDe'], 'HIGH': ['abC', 'bcD', 'cdE'], 'VALUE1': ['1','2','3'], 'VALUE2': ['bb','dd','ee']})

df

+----+-------+------+------+---------+--------+
|    | HIGH  | LOW  | MID  | VALUE1  | VALUE2 |
+----+-------+------+------+---------+--------+
| 0  | abC   | Abc  | aBc  |      1  | bb     |
| 1  | bcD   | Bcd  | bCd  |      2  | dd     |
| 2  | cdE   | CdE  | cDe  |      3  | ee     |
+----+-------+------+------+---------+--------+   

df2 = pd.DataFrame({ 'LOW' : ['Abc-4', 'Bcd-1', 'CdE'], 'MID' : ['aBc*2', 'bCd', 'cDe&3'], 'HIGH': ['abC', 'bcD$22', 'cdE#2']})

df2

+----+---------+--------+-------+
|    |  HIGH   |  LOW   |  MID  |
+----+---------+--------+-------+
| 0  | abC     | Abc-4  | aBc*2 |
| 1  | bcD$22  | Bcd-1  | bCd   |
| 2  | cdE#2   | CdE    | cDe&3 |
+----+---------+--------+-------+

df_result

+----+---------+--------+--------+--------+--------+
|    |  HIGH   |  LOW   |  MID   | VALUE  | VALUE2 |
+----+---------+--------+--------+--------+--------+
| 0  | abC     | Abc-4  | aBc*2  |     1  | bb     |
| 1  | bcD$22  | Bcd-1  | bCd    |     2  | dd     |
| 2  | cdE#2   | CdE    | cDe&3  |     3  | ee     |
+----+---------+--------+--------+--------+--------+

谢谢!

Answer 1

一个更好的例子会有所帮助，但如果我正确地跟踪，下面的工作如下：

df3 = pd.merge(df2, df, on='HIGH', how='inner', suffixes=['', 'r'])
df4 = pd.merge(df2, df, on='MID', how='inner', suffixes=['', 'r'])
df5 = pd.merge(df2, df, on='LOW', how='inner', suffixes=['', 'r'])
df6 = pd.concat([df3, df4, df5]).drop(['HIGHr', 'MIDr', 'LOWr'], axis=1)

df6

    HIGH    LOW     MID     VALUE1  VALUE2
0   abC     Abc-4   aBc*2   1       bb
1   bcD$22  Bcd-1   bCd     2       dd
2   cdE#2   CdE     cDe&3   3       ee

Answer 2

这就是你想要的吗？

import numpy
import pandas as pd
df = pd.DataFrame({ 'LOW' : ['Abc', 'Bcd', 'CdE'], 'MID' : ['aBc', 'bCd', 'cDe'], 'HIGH': ['abC', 'bcD', 'cdE'], 'VALUE1': ['1','2','3'], 'VALUE2': ['bb','dd','ee']})
df1=df.drop(['VALUE1','VALUE2'],axis=1)

df2 = pd.DataFrame({ 'LOW' : ['Abc-4', 'Bcd-1', 'CdE'], 'MID' : ['aBc*2', 'bCd23', 'cDe&3'], 'HIGH': ['abC', 'bcD$22', 'cdE#2']})

rowsum=numpy.sum((df1==df2).astype(int),axis=1)
df_result=df2
df_result['VALUE1']=df.VALUE1*rowsum
df_result['VALUE2']=df.VALUE2*rowsum
df_result

Out[4]: 
     HIGH    LOW    MID VALUE1 VALUE2
0     abC  Abc-4  aBc*2      1     bb
1  bcD$22  Bcd-1  bCd23              
2   cdE#2    CdE  cDe&3      3     ee