Python熊猫:使用多列条件将dataframe的索引值设置为另一个dataframe列

Question

我有两个数据文件：data_df和geo_dimension_df。

我想把geo_dimension_df的索引重新命名为id，并在data_df上设置一个名为geo_id的列。

我将把这两个数据作为表插入到数据库中，id列将是它们的主键，而geo_id是将data_df链接到geo_dimension_df的外键。

可以看到，cbsa和name值可以随时间变化。(Yuba市，CA -> Yuba City-Marysville，CA)。因此，geo_dimension_df是cbsa和name的所有独特组合。

我需要比较两个数据格式上的cbsa和name值，然后在将geo_dimension_df.id作为data_df.geo_id值进行匹配时进行比较。

我尝试了一段时间使用merge，但是很困惑，所以现在我尝试使用apply，把它看作跨多个列值的Excel，但是没有运气。以下是我的尝试，但有点胡言乱语.

data_df['geo_id'] = data_df[['cbsa', 'name']]
                        .apply(
                        lambda x, y: 
                        geo_dimension_df
                            .index[geo_dimension_df[['cbsa', 'name]]
                            .to_list()
                        == [x,y])

下面是两个原始数据文件，后面跟着所需的结果。谢谢。

geo_dimension_df：

       cbsa                               name
id                           
  1   10180                        Abilene, TX
  2   10420                          Akron, OH
  3   10500                         Albany, GA
  4   10540                         Albany, OR
  5   10540                 Albany-Lebanon, OR
                     ...
519   49620                   York-Hanover, PA
520   49660  Youngstown-Warren-Boardman, OH-PA
521   49700                      Yuba City, CA
522   49700           Yuba City-Marysville, CA
523   49740                           Yuma, AZ

data_df：

             cbsa         name  month  year units_total
        id                                             
        1   10180  Abilene, TX      1  2004          22
        2   10180  Abilene, TX      2  2004          12
        3   10180  Abilene, TX      3  2004          44
        4   10180  Abilene, TX      4  2004          32
        5   10180  Abilene, TX      5  2004          21
                                 ...
    67145   49740  Yuma, AZ        12  2018          68
    67146   49740  Yuma, AZ         1  2019          86
    67147   49740  Yuma, AZ         2  2019          99
    67148   49740  Yuma, AZ         3  2019          99
    67149   49740  Yuma, AZ         4  2019          94

预期结果：

data_df (添加了geo_id外键列)：

             cbsa         name  month  year units_total geo_id
        id                                             
        1   10180  Abilene, TX      1  2004          22      1
        2   10180  Abilene, TX      2  2004          12      1
        3   10180  Abilene, TX      3  2004          44      1
        4   10180  Abilene, TX      4  2004          32      1
        5   10180  Abilene, TX      5  2004          21      1
                                 ...
    67145   49740  Yuma, AZ        12  2018          68    523
    67146   49740  Yuma, AZ         1  2019          86    523
    67147   49740  Yuma, AZ         2  2019          99    523
    67148   49740  Yuma, AZ         3  2019          99    523
    67149   49740  Yuma, AZ         4  2019          94    523

注意:在此之后，我将把cbsa和name从data_df中删除，以免有人对我为什么要复制数据感到好奇。

Answer 1

首先，由于索引不是正确的列，所以将其设置为列，以便在以后的merge中使用。

geo_dimension_df['geo_id'] = geo_dimension_df.index

接下来，加入data_df和geo_dimension_df

data_df = pd.merge(data_df, 
                   geo_dimension_df['cbsa', 'name', 'geo_id'],
                   on=['cbsa', 'name'],
                   how='left')  

最后，在开始时删除添加到geo_dimension_df的列：

geo_dimension_df.drop('geo_id', axis=1, inplace=True)

完成此操作后，geo_dimension_df的索引列id现在将出现在data_df的geo_id列下。

data_df：

         cbsa         name  month  year units_total geo_id
    id                                             
    1   10180  Abilene, TX      1  2004          22      1
    2   10180  Abilene, TX      2  2004          12      1
    3   10180  Abilene, TX      3  2004          44      1
    4   10180  Abilene, TX      4  2004          32      1
    5   10180  Abilene, TX      5  2004          21      1
                             ...
67145   49740  Yuma, AZ        12  2018          68    523
67146   49740  Yuma, AZ         1  2019          86    523
67147   49740  Yuma, AZ         2  2019          99    523
67148   49740  Yuma, AZ         3  2019          99    523
67149   49740  Yuma, AZ         4  2019          94    523