将 Pandas DataFrame 列值与另一个 DataFrame 列匹配

Question

country = []
for i in df_temp['Customer Name'].iloc[:]:
    if i in gui_broker['EXACT_DDI_CUSTOMER_NAME'].tolist():
        country.append(gui_broker["Book"].values[gui_broker['EXACT_DDI_CUSTOMER_NAME'].tolist().index(i)])
    else:
        country.append("No Book Defined")
df_temp["Country"] = country

我目前有一个带有一列（“客户名称”）的大型 DataFrame (df_temp)，并且正在尝试将它与一个具有 3 列的小型 DataFrame (gui_broker) 匹配 - 其中之一具有大型 DataFrame 的所有唯一值('EXACT_DDI_CUSTOMER_NAME')。

匹配 df_temp 的值行后，我想根据匹配在 df_temp 中创建一个新列，其中包含我的小 DataFrame (gui_broker) 的值“Book”。我尝试了每一个 apply lambda 方法，但我一无所知。上面提供的代码为我提供了一个解决方案，但它很慢而且不像 Pandas...

我该如何进行？

Answer 1

您可以使用 pandas 合并来做到这一点。像这样……

df_temp = df_temp.merge(gui_broker[['EXACT_DDI_CUSTOMER_NAME','Book']], left_on='Customer Name', right_on='EXACT_DDI_CUSTOMER_NAME', how='left' )
df_temp['Book'] = df_temp['Book'].fillna('No Book Defined')

Answer 2

看起来您正在寻找join（文档是here） 它通过将第一个中的选定列与第二个中的索引匹配来将 DataFrame 与另一个连接。

所以

df_temp.join(gui_broker
             .set_index("EXACT_DDI_CUSTOMER_NAME")
             .loc[:, ["Book"]],
             on="Customer Name")

Answer 3

我认为应该这样做，使用map 将gui_broker 的Book 列通过EXACT_DDI_CUSTOMER_NAME 映射到Custome Name 中的df_tmp，：

df_tmp['Country'] = (df_tmp['Customer Name']
                     .map(gui_broker.set_index('EXACT_DDI_CUSTOMER_NAME').Book)
                     .fillna('No Book Defined'))

虽然我需要一些示例数据来测试它！