Сопоставление столбцов на основе подстроки

Предположим, у вас есть три группы (A, B, C), и их компоненты описаны ниже:

 +-------+-----------+
 | Group | Component |
 +-------+-----------+
 | A     |        31 |
 | A     |       322 |
 | A     |       323 |
 | B     |       321 |
 | B     |       327 |
 | B     |        33 |
 | C     |        31 |
 | C     |        32 |
 | C     |        33 |
 +-------+-----------+

Это может быть сохранено во фрейме данных или словаре под названием «группы». Обратите внимание, что группы перекрываются.

У меня есть следующий фрейм данных значений, называемый 'df' (фактическая таблица больше):

 +--------+----------+--------+
 | Sender | Receiver | Value  |
 +--------+----------+--------+
 | 312345 |   313452 | 1022.1 |
 | 320952 |   327901 | 4921.0 |
 +--------+----------+--------+

Я хотел бы каким-то образом присоединиться к таблице 'groups' с 'df', чтобы у меня было еще два столбца, каждый из которых показывал, с какой группой связаны отправитель и получатель, в зависимости от того, содержит ли код отправителя / получателя компонент. Я бы хотел увидеть только те случаи, когда обе группы одинаковы. Целевая таблица будет выглядеть так:

 +--------+----------+--------+--------------+----------------+
 | Sender | Receiver | Value  | Sender_Group | Receiver_Group |
 +--------+----------+--------+--------------+----------------+
 | 312345 |   313452 | 1022.1 | A            | A              |
 | 312345 |   313452 | 1022.1 | C            | C              |
 | 320952 |   327901 | 4921.0 | C            | C              |
 +--------+----------+--------+--------------+----------------+

Обратите внимание, что, хотя 327901 связан с группой B, 320952 нет, поэтому он не отображается. Конечная цель - подвести итоги каждой группы.

Я пробовал что-то вроде этого:

pat = "|".join(groups.Component.astype('str'))
df.insert(0, 'Sender_Group', df['Sender'].str.extract("(" + pat + ')', expand=False))
df.insert(1, 'Receiver_Group', df['Receiver'].str.extract("(" + pat + ')', expand=False))
new_df = df.query('Sender_Group == Receiver_Group')

Однако ограничение в том, что каждый отправитель / получатель может быть связан только с одной группой. Мне нужно решение, которое позволяет связать их с несколькими. Любые идеи?

🤔 А знаете ли вы, что...
Python используется в разработке игр с помощью библиотеки Pygame.


2
176
1

Ответ:

Решено

Вы можете использовать столбец, представляющий все группы, в которые входит отправитель (получатель), как list. Затем вы можете расширить этот столбец на несколько строк, как описано на этот вопрос.

df['sender_group'] = df['sender'].apply(
    lambda x: groups['group'][groups['component'].apply(
        lambda y: str(y) in str(x)
    )].values
)

который дает

   sender  receiver   value sender_group
0  312345    313452  1022.1       [A, C]
1  320952    327901  4921.0          [C]

Для приемника процедура аналогична.

Расширение

Чтобы узнать, как расширить столбец, обратитесь к этот вопрос. Здесь приведен пример:

indices = np.repeat(df.index.values, df['sender_group'].str.len())
df = df.loc[indices]\
    .assign(sender_group=np.concatenate(df['sender_group'].values))\
    .reset_index(drop=True)

который дает

   sender  receiver   value sender_group
0  312345    313452  1022.1            A
1  312345    313452  1022.1            C
2  320952    327901  4921.0            C

Используемые переменные:

groups = pd.DataFrame(
    columns=['group', 'component'],
    data=[['A', 31],
          ['A', 322],
          ['A', 323],
          ['B', 321],
          ['B', 327],
          ['B', 33],
          ['C', 31],
          ['C', 32],
          ['C', 33],]
)

df = pd.DataFrame(
    columns=['sender', 'receiver', 'value'],
    data=[[312345, 313452, 1022.1],
          [320952, 327901, 4921.0]]
)