将数据与另一个数据框中两列中的数据进行比较以填充第一个数据框中的第三列

Question

我的新手与熊猫的斗争仍在继续，所以我想问一下。

我有两个如下所示的 excel 文件：

id	name	group	lang
1	blue	1
2	azul	1
3	rojo	2
4	red	2
5	green	3
6	verde	3
7	yellow	4

列名可能具有第二个 Excel 文件的西班牙语和英语列中不存在的值，而西班牙语和英语列可能具有列名中不存在的值。我想要所有可能的值。

我的第二个文件如下所示：

english	spanish	group
blue	azul	1
red	rojo	2
green	verde	3

我想要做的是用值填充第一个数据框的最后一列，所以它看起来像这样：

id	name	group	lang
1	blue	1	en
2	azul	1	sp
3	rojo	2	sp
4	red	2	en
5	green	3	en
6	verde	3	sp
7	yellow	4

我一直在尝试这段代码，但它不起作用：

df2 = pd.melt(df2, id_vars=['group'], value_vars=['en', 'sp'], value_name='lan')
merged_df = pd.merge(df1, df2, left_on='lang', right_on='lan')[['name', 'group', 'lang']]

Answer 1

考虑你的例子

df = pd.DataFrame([['red', 'rojo', 2], ['blue', 'azul', 1]],  columns = ['english', 'spanish', 'group'])
df2 = pd.DataFrame([['red', 2], ['blue', 1], ['azul', 1]],  columns = ['name', 'group'])

你可以这样做：

eng_df = pd.merge(df2, df, how='inner', left_on=['group', 'name'], right_on=['group','english'] )
eng_df['leng'] = 'en'
sp_df = pd.merge(df2, df, how='inner', left_on=['group', 'name'], right_on=['group','spanish'] )
sp_df['leng'] = 'sp'
eng_df.append(sp_df)[['name','group','leng']].reset_index()

Checkout output here

也许不是最直接的解决方案，但至少它有效。

如果不需要，您可以跳过加入“组”，但我认为这很重要，因为您在示例中提到了它。

Answer 2

您可以使用np.where 和.isin()：

df["lang"] = np.where(
    df["name"].isin(df2["english"]),
    "en",
    np.where(df["name"].isin(df2["spanish"]), "sp", ""),
)

打印：

   id    name  group lang
0   1    blue      1   en
1   2    azul      1   sp
2   3    rojo      2   sp
3   4     red      2   en
4   5   green      3   en
5   6   verde      3   sp
6   7  yellow      4     

Answer 3

在group列上使用df.merge()左连接，然后根据name列与哪种语言匹配设置lang列：

df1 = df1.merge(df2, how='left', on='group')

生成的 df1：

   id    name  group lang english spanish
0   1    blue      1         blue    azul
1   2    azul      1         blue    azul
2   3    rojo      2          red    rojo
3   4     red      2          red    rojo
4   5   green      3        green   verde
5   6   verde      3        green   verde
6   7  yellow      4          NaN     NaN

然后设置列lang如下：

df1['lang'] = np.where(df1['name'] == df1['english'], 'en', df1['lang'])
df1['lang'] = np.where(df1['name'] == df1['spanish'], 'sp', df1['lang'])

生成的 df1：

   id    name  group lang english spanish
0   1    blue      1   en    blue    azul
1   2    azul      1   sp    blue    azul
2   3    rojo      2   sp     red    rojo
3   4     red      2   en     red    rojo
4   5   green      3   en   green   verde
5   6   verde      3   sp   green   verde
6   7  yellow      4          NaN     NaN

然后您可以按如下方式清理english 和spanish 列：

df1 = df1.drop(columns=['english', 'spanish'])

生成的 df1：

   id    name  group lang
0   1    blue      1   en
1   2    azul      1   sp
2   3    rojo      2   sp
3   4     red      2   en
4   5   green      3   en
5   6   verde      3   sp
6   7  yellow      4     

编辑：匹配group 有必要吗？

有一些英语和西班牙语单词拼写相同但含义不同。例如，

• pie (Spanish) = foot (English)，和
• pie (English) = tarta (Spanish)

因此，在 df2 中，我们可能有：

english	spanish	group
pie	tarta	5
foot	pie	6

而在 df1 中，'pie' 实际上在第 6 组中：

id	name	group	lang
8	pie	6

所以，如果我们不匹配 group，我们可能会错误地将 df2 第 5 组中的英文“pie”取为 df2 第 6 组中的西班牙语“pie”（= 英文中的脚） .