Сравнить два значения столбца dataframe и присоединиться к условию в python?

Мне нужно присоединиться к приведенному ниже кадру данных на основе некоторого условия.

df1:
    Id             Value
    [101,102,103]   10001
    [101,102,104]   10000
    [101,102,105]   10002
    [101,107,105]   10003

df2:

    Id                 Product_Name
    [101,102,103,104]  Shoe
    [101,102,109,104]  jeans
    [101,105,102,108]  make-up
    [101,105,106,118]  shirt

df_output

Id             Value    Product_Name
[101,102,103]   10001   Shoe           -- Every value present in df2.Id list
[101,102,104]   10000   Jeans          -- Every value present in df2.Id list
[101,102,105]   10002   Make-Up        -- Every value present in df2.Id list
[101,107,105]   10003   NaN            -- Not Every Value matches in df2.Id list.

Мне нужно объединить два кадра данных df1, df2 на основе столбца Id, но каждый элемент должен быть в списке df.Id, когда мы считаем его совпадением.

Python Code:

import pandas as pd

df_output = pd.merge(df1, df2, on='Id', how='left')

🤔 А знаете ли вы, что...
Python активно используется в научных и инженерных вычислениях.


3
88
1

Ответ:

Решено

Хотя это не очень эффективное решение, вы можете использовать некоторые set для решения этой проблемы.

matches = df1["Id"].apply(set) <= df2["Id"].apply(set)

out = df1.copy()
out.loc[matches, df2.columns.difference(["Id"])] = df2

print(out)
                Id  Value Product_Name
0  [101, 102, 103]  10001         Shoe
1  [101, 102, 104]  10000        jeans
2  [101, 102, 105]  10002      make-up
3  [101, 107, 105]  10003          NaN

В приведенном выше фрагменте:

  1. matches = df1["Id"].apply(set) <= df2["Id"].apply(set) возвращает логическое значение Series, которое имеет значение True, если содержимое каждой строки в df1['Id'] находится в соответствующей строке в df2['Id'], и False в противном случае.
  2. Вместо выполнения фактического merge мы можем просто выровнять 2 кадра данных по вышеупомянутому логическому Series

Если вы хотите протестировать идентификаторы друг против друга в обоих фреймах данных, вы можете взять декартово произведение обоих фреймов данных, отфильтровать его до внутреннего соединения с помощью заданных критериев, а затем добавить обратно все отсутствующие левые ключи соединения.

out = (
    pd.merge(df1, df2, how = "cross")
    .loc[lambda df: df["Id_x"].map(set) <= df["Id_y"].map(set)]
    .pipe(
        lambda df: df.append(
             df1.loc[~df1["Id"].isin(df["Id_x"])].rename(columns = {"Id": "Id_x"})
         )
    )
    .reset_index(drop=True)
)


print(out)
              Id_x  Value                  Id_y Product_Name
0  [101, 102, 103]  10001  [101, 102, 103, 104]         Shoe
1  [101, 102, 104]  10000  [101, 102, 103, 104]         Shoe
2  [101, 102, 104]  10000  [101, 102, 109, 104]        jeans
3  [101, 102, 105]  10002  [101, 105, 102, 108]      make-up
4  [101, 107, 105]  10003                   NaN          NaN