用pandas用其他行的值填充一列[重复]答案

【问题标题】：Filling a column with values from other rows with pandas [duplicate]用pandas用其他行的值填充一列[重复]
【发布时间】：2021-08-02 15:31:09
【问题描述】：

有人可以帮我理解一下吗？

让我们拥有这个 DataFrame：

df = pd.DataFrame({
    "id": ['a', 'b', 'c', 'd', 'e'],
    "parent_id": [None, None, 'a', 'b', 'a'],
    "name": ["Bob", "Jane", "John", "Patty", "Sam"],
})

现在，我想像这样检索每个子名称旁边的父名称：

+----+-----------+-------+-------------+
| id | parent_id | name  | parent_name |
+----+-----------+-------+-------------+
| a  | None      | Bob   | NaN         |
+----+-----------+-------+-------------+
| b  | None      | Jane  | NaN         |
+----+-----------+-------+-------------+
| c  | a         | John  | Bob         |
+----+-----------+-------+-------------+
| d  | b         | Patty | Jane        |
+----+-----------+-------+-------------+
| e  | a         | Sam   | Bob         |
+----+-----------+-------+-------------+

所以我这样做了：

df['parent_name'] = None
df['parent_name'] = df['parent_id'].apply(lambda x: df['name'][df['id']==x])

但这是我得到的：

+----+-----------+-------+-------------+
| id | parent_id | name  | parent_name |
+----+-----------+-------+-------------+
| a  | None      | Bob   | NaN         |
+----+-----------+-------+-------------+
| b  | None      | Jane  | NaN         |
+----+-----------+-------+-------------+
| c  | a         | John  | Bob         |
+----+-----------+-------+-------------+
| d  | b         | Patty | NaN         |
+----+-----------+-------+-------------+
| e  | a         | Sam   | Bob         |
+----+-----------+-------+-------------+

因此，它似乎只处理name 列中的第一项。

用柏拉图的话引用苏格拉底的话：“WTF???”

【问题讨论】：

@jezrael 你确定标记的欺骗是正确的吗？在这个问题中，只有一个数据框而不是两个。也许如果你想关闭它找到更好的骗局。
@ShubhamSharma - 感谢您的评论，已添加到骗子列表中。

标签： python pandas dataframe

【解决方案1】：

我们可以尝试mappingparent_id与对应的parent_name基于常见的id

df['parent_name'] = df['parent_id'].map(df.set_index('id')['name'])

  id parent_id   name parent_name
0  a      None    Bob         NaN
1  b      None   Jane         NaN
2  c         a   John         Bob
3  d         b  Patty        Jane
4  e         a    Sam         Bob

【讨论】：

【解决方案2】：

尝试合并

final = df.merge(df[["id", "name"]].rename(
    columns={"name": "parent_name"}),
    left_on="parent_id",
    right_on="id",
    how="left"
)

【讨论】：

【解决方案3】：

我不认为 apply 是如何使用的，但是你可以使用 merge：

df['parent_name'] = df[['parent_id']].merge(df[['id', 'name']], left_on=['parent_id'], right_on=['id'], how='left')['name']

#   id parent_id   name parent_name
# 0  a      None    Bob         NaN
# 1  b      None   Jane         NaN
# 2  c         a   John         Bob
# 3  d         b  Patty        Jane
# 4  e         a    Sam         Bob

【讨论】：