Pandas / Python相当于R中复杂的ifelse匹配

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Pandas / Python相当于R中复杂的ifelse匹配，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1656字，纯文字阅读大概需要3分钟。

内容图文

我的目标是让熊猫等同于以下R代码：

df1$String_1_check = ifelse(df1$String_1 == df2[match(df1$String_2, df2$String_2), 1], TRUE, FALSE)

如果df1列String_1的第n行中的值等于df2的第一列,其中df1的列String_2的第n行与df2的String_2匹配,则在新列String_1_check中为True,否则在String_1_check中为False.

df1在String_1和String_2中有许多相同值的实例,而df2在String_1中只有每个可能值的一个实例. String_3不是唯一的.使用这些示例数据帧：

df1 = pd.DataFrame({'String_1': ['string 1', 'string 1', 'string 2', 'string 3', 'string 1'], 'String_2': ['string a', 'string a', 'string b', 'string a', 'string c']})
df2 = pd.DataFrame({'String_3': ['string 1', 'string 2', 'string 3'], 'String_2': ['string a', 'string b', 'string c']})

   String_1  String_2
0  string 1  string a
1  string 1  string a
2  string 2  string b
3  string 3  string a
4  string 1  string c

   String_3  String_2
0  string 1  string a
1  string 2  string b
2  string 3  string c

期望的输出是：

   String_1  String_2  String_1_check
0  string 1  string a  True
1  string 1  string a  True
2  string 2  string b  True
3  string 3  string a  False
4  string 1  string c  False

我试过np.where,isin,pd.match(现在已弃用),但还没有找到解决方案.

解决方法:

您可以使用地图而无需更改原始df的顺序

df1['String_1_check']=list(zip(df1['String_1'],df1['String_2']))
df2.index=list(zip(df2['String_3'],df2['String_2']))
df2['Check']=True
df1['String_1_check']=df1['String_1_check'].map(df2['Check']).fillna(False)

Out[764]: 
   String_1  String_2  String_1_check
0  string 1  string a            True
1  string 1  string a            True
2  string 2  string b            True
3  string 3  string a           False
4  string 1  string c           False

内容总结

以上是互联网集市为您收集整理的Pandas / Python相当于R中复杂的ifelse匹配全部内容，希望文章能够帮你解决Pandas / Python相当于R中复杂的ifelse匹配所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端