pandas：从匹配第一个元素的元组列表中创建列

Question

我有一个示例数据框，例如：          cid             pos 0         11              29      1         22              29      2         22              29      3         33              29   4         44              29  现在是一个元组列表，例如：[(11, 3), (22, 1), (33, 4), (44, 4), (55, 7), (66, 2)]我想从元组列表（第二个元素）创建另一列。仅当 df 列中的第一个元素匹配时cid：喜欢：          cid             pos     new_pos0         11              29      31         22              29      12         22              29      13         33              29      44         44              29      4初学者与熊猫，任何帮助都会很棒！谢谢

Answer 1

您可以将元组列表转换为字典并使用map它：

b = [(11, 3), (22, 1), (33, 4), (44, 4), (55, 7), (66, 2)]

df["b"] = df["cid"].map(dict(b))

print(df)

   cid  pos  b

0   11   29  3

1   22   29  1

2   22   29  1

3   33   29  4

4   44   29  4

Answer 2

尝试：

# Toy dataframe

df = pd.DataFrame({"cid":[11,22,22,33,44],"pos":[29,29,29,29,29]})

lista = [(11, 3), (22, 1), (33, 4), (44, 4), (55, 7), (66, 2)]

# Solution:

df.merge(pd.DataFrame(lista, columns = ["cid", "new_pos"]), on = "cid")

输出：

Answer 3

我们可以从您的元组创建第二个数据框，然后使用 panda 的许多合并函数之一，我们可以从元组中获取第二个元素。

让我们map在这个例子中使用：

t = [(11, 3), (22, 1), (33, 4), (44, 4), (55, 7), (66, 2)]

df['new_pos'] = df['cid'].map(pd.DataFrame(t,columns=['cid','pos']).set_index('cid')['pos'])

   cid  pos  new_pos

0   11   29        3

1   22   29        1

2   22   29        1

3   33   29        4

4   44   29        4

分解一下：

pd.DataFrame(t,columns=['cid','pos']).set_index('cid')['pos']

产量：

cid

11    3

22    1

33    4

44    4

55    7

66    2

Name: pos, dtype: int64

map在列上使用将cid数据帧中的实例与元组匹配，并返回所选的列值，在本例中为pos。

Answer 4

我投票将 tuokes 列表放入第二个数据帧，然后进行左合并：

df1 = pd.DataFrame([{'cid': 11, 'pos': 29},

                    {'cid': 22, 'pos': 29},

                    {'cid': 22, 'pos': 29},

                    {'cid': 33, 'pos': 29},

                    {'cid': 44, 'pos': 29}])

df2 = pd.DataFrame([(11, 3), (22, 1), (33, 4), (44, 4),

                    (55, 7), (66, 2)], columns=['cid', 'new_pos'])

df3 = pd.merge(df1, df2, how='left', on='cid')