使用多个数据映射规则在多个数据集中映射数据的更好方法

Question

我有三个数据集（final_NN，ppt_code，herd_id），我希望在final_NN数据帧中添加一个名为MapValue的新列，要添加的值可以从其他两个数据帧中检索，规则在代码后的底部

import pandas as pd

final_NN = pd.DataFrame({
    "number": [123, 456, "Unknown", "Unknown", "Unknown", "Unknown", "Unknown", "Unknown", "Unknown", "Unknown"],
    "ID": ["", "", "", "", "", "", "", "", 799, 813],
    "code": ["", "", "AA", "AA", "BB", "BB", "BB", "CC", "", ""]
})

ppt_code = pd.DataFrame({
    "code": ["AA", "AA", "BB", "BB", "CC"],
    "number": [11, 11, 22, 22, 33]
})

herd_id = pd.DataFrame({
    "ID": [799, 813],
    "number": [678, 789]
})

new_column = pd.Series([])
for i in range(len(final_NN)):
    if final_NN["number"][i] != "" and final_NN["number"][i] != "Unknown":
        new_column[i] = final_NN['number'][i]

    elif final_NN["code"][i] != "":
        for p in range(len(ppt_code)):
            if ppt_code["code"][p] == final_NN["code"][i]:
                new_column[i] = ppt_code["number"][p]

    elif final_NN["ID"][i] != "":
        for h in range(len(herd_id)):
            if herd_id["ID"][h] == final_NN["ID"][i]:
                new_column[i] = herd_id["number"][h]

    else:
        new_column[i] = ""

final_NN.insert(3, "MapValue", new_column)
print(final_NN)

最后:

    number   ID code
0      123          
1      456          
2  Unknown        AA
3  Unknown        AA
4  Unknown        BB
5  Unknown        BB
6  Unknown        BB
7  Unknown        CC
8  Unknown  799     
9  Unknown  813 

ppt_代码：

  code  number
0   AA      11
1   AA      11
2   BB      22
3   BB      22
4   CC      33

兽群识别码：

    ID  number
0  799     678
1  813     789

预期产出：

    number   ID code   MapValue
0      123                  123
1      456                  456
2  Unknown        AA         11
3  Unknown        AA         11
4  Unknown        BB         22
5  Unknown        BB         22
6  Unknown        BB         22
7  Unknown        CC         33
8  Unknown  799             678
9  Unknown  813             789

规则是：

1. 如果final_NN中的number不是Unknown，则MapValue=number在final_NN中
2. 如果final_NN中的number为Unknown，但final_NN中的code不为空，则搜索ppt_代码数据帧，并使用code及其对应的“编号”映射并填写final_NN中的“映射值”
3. 如果{}中的{}和{}分别为{}和null，但{}中的{}不为null，则搜索{}数据帧，并使用{}及其对应的{}填充第一个数据帧中的{}。我在数据帧中应用了一个循环，这是实现这一点的一个缓慢的方法，如上所述。但我知道有一种更快的方法可以做到这一点。我只是想知道有没有人能帮我找到一种快速简便的方法来达到同样的效果

Answer 1

我们只是简单地组合了三个数据帧

1. 原始DF删除“未知”行
2. “ppt_代码”更改列名
3. “pandas.concat（）”将它们连接在一起

final_NN['number'].replace('Unknown', np.NaN, inplace=True)
final_NN.dropna(inplace=True, how='any')
ppt_code.rename(columns={'code':'ID'}, inplace=True)
new_df = pd.concat([final_NN, ppt_code, herd_id], axis=0, ignore_index=True)

new_df
    number  ID  code
0   123.0       
1   456.0       
2   11.0    AA  NaN
3   11.0    AA  NaN
4   22.0    BB  NaN
5   22.0    BB  NaN
6   33.0    CC  NaN
7   678.0   799 NaN
8   789.0   813 NaN

Answer 2

首先从ppt_code和herd_id数据帧创建一个映射系列，然后使用^{}创建一个新列MapNumber，方法是将number列中的Unknown值替换为np.NaN，然后根据规则使用两个连续的^{}和^{}来填充MapNumber列中缺少的值：

ppt_map = ppt_code.drop_duplicates(subset=['code']).set_index('code')['number']
hrd_map = herd_id.drop_duplicates(subset=['ID']).set_index('ID')['number']

final_NN['MapNumber'] = final_NN['number'].replace({'Unknown': np.nan})
final_NN['MapNumber'] = (
    final_NN['MapNumber']
    .fillna(final_NN['code'].map(ppt_map))
    .fillna(final_NN['ID'].map(hrd_map))
)

结果:

# print(final_NN)

    number   ID code  MapNumber
0      123                123.0
1      456                456.0
2  Unknown        AA       11.0
3  Unknown        AA       11.0
4  Unknown        BB       22.0
5  Unknown        BB       22.0
6  Unknown        BB       22.0
7  Unknown        CC       33.0
8  Unknown  799           678.0
9  Unknown  813           789.0