如何在具有不同行的条件下映射两个数据帧答案

【问题标题】：how to map two dataframes on condition while having different rows如何在具有不同行的条件下映射两个数据帧
【发布时间】：2021-03-26 18:28:06
【问题描述】：

我有两个数据框需要根据某些条件进行映射（或加入？）。这些是数据框：

df_1

      img_names   img_array
0         1_rel         253
1   1_rel_right         255
2     1_rel_top         250
3         4_rel         180
4   4_rel_right         182
5     4_rel_top         189
6         7_rel         217
7   7_rel_right         183
8     7_rel_top         196

df_2

  List_No    time
0       1      38
1       4      23
2       7      32

映射后我想得到以下数据框：

df_3

      img_names   img_array    List_No    time   
0         1_rel         253          1      38
1   1_rel_right         255          1      38
2     1_rel_top         250          1      38
3         4_rel         180          4      23
4   4_rel_right         182          4      23
5     4_rel_top         189          4      23
6         7_rel         217          7      32
7   7_rel_right         183          7      32
8     7_rel_top         196          7      32

基本上，df_2 的每一行被填充 3 次以匹配 df_1 中的行数，并且映射（如果我们可以这么说的话）是通过 df_1 的每一行中的拆分字符串完成的s img_name 列。 img_names 中的行元素的名称可能有不同的名称，但它们中的每一个总是以某个数字（在这种情况下为 1,4,7）和取消划线等开头。所以我需要在每一行中拆分对应的数字并将其与List_No 的行元素映射。

我希望上面的例子很清楚。

谢谢。

【问题讨论】：

标签： python-3.x pandas dataframe mapping

【解决方案1】：

看起来你可以只提取数字部分并合并：

df_1['List_No'] = df_1['img_names'].str.split('_').str[0].astype(int)
df_3 = df_1.merge(df_2, on='List_No')

输出：

     img_names  img_array  List_No  time
0        1_rel        253        1    38
1  1_rel_right        255        1    38
2    1_rel_top        250        1    38
3        4_rel        180        4    23
4  4_rel_right        182        4    23
5    4_rel_top        189        4    23
6        7_rel        217        7    32
7  7_rel_right        183        7    32
8    7_rel_top        196        7    32

【讨论】：

【解决方案2】：

@QuangHoang 的答案的替代方案（我相信你应该选择它，因为它更健壮）。这使用map 方法，并假设df2 的时间中的每个值都在df1 中：

df1.assign(
    List_No=df1.img_names.str.extract(r"(\d)", expand=False).astype(int),
    time=lambda x: x.List_No.map(df2["time"]),
)


   img_names    img_array   List_No time
0   1_rel            253    1       38
1   1_rel_right      255    1       38
2   1_rel_top        250    1       38
3   4_rel            180    4       23
4   4_rel_right      182    4       23
5   4_rel_top        189    4       23
6   7_rel            217    7       32
7   7_rel_right      183    7       32
8   7_rel_top        196    7       32

【讨论】：