将一个 csv 文件中的值匹配到另一个文件并使用 pandas/python 替换整个列

Question

考虑以下示例：

我有一个 Movielens 的数据集-

u.item.csv

ID|MOVIE NAME (YEAR)|REL.DATE|NULL|IMDB LINK|A|B|C|D|E|F|G|H|I|J|K|L|M|N|O|P|Q|R|S|
1|Toy Story (1995)|01-Jan-1995||http://us.imdb.com/M/title-exact?Toy%20Story%20(1995)|0|0|0|1|1|1|0|0|0|0|0|0|0|0|0|0|0|0|0
2|GoldenEye (1995)|01-Jan-1995||http://us.imdb.com/M/title-exact?GoldenEye%20(1995)|0|1|1|0|0|0|0|0|0|0|0|0|0|0|0|0|1|0|0
3|Four Rooms (1995)|01-Jan-1995||http://us.imdb.com/M/title-exact?Four%20Rooms%20(1995)|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|1|0|0

这里使用的分隔符是Pipe，还是可以管理的。

training_data.csv

,user_id,movie_id,rating,unix_timestamp
0,1,1,5,874965758
1,1,2,3,876893171
2,1,3,4,878542960

由于我需要在“Training_data”中显示电影名称，而不是“movie id”，我需要将 u.item.csv 的每个 ID 与 movie_id 与 training_data.csv 进行匹配 然后替换它。

我正在使用 Python Pandas，训练数据从 Sframe 转换为 Dataframe 再转换为 CSV。这样我就可以获得所需的更改，但尚未成功。我当然可以使用一些循环结构，但匹配和替换是我面临的真正挑战。

附：我知道训练数据将按用户顺序排列，并且如果替换会产生准确的输出，但我需要了解这一点，这样当我推荐电影时，我需要显示电影名称而不是 ID。

我已经试过了

1. THIS (pandas-python-replace-multiple-values-in-multiple-columns) - 但是当我在数据集中有 100K 值时会花费很多时间
2. THIS (pandas-replace-multiple-values-one-column) - 未解释匹配值
3. THIS (pandas-replacing-column-values) - 手动输入已完成

Answer 1

我认为你需要map by Series created by set_index:

print (df1.set_index('ID')['MOVIE NAME (YEAR)'])
ID
1     Toy Story (1995)
2     GoldenEye (1995)
3    Four Rooms (1995)
Name: MOVIE NAME (YEAR), dtype: object

df2['movie_id'] = df2['movie_id'].map(df1.set_index('ID')['MOVIE NAME (YEAR)'])
print (df2)
   user_id           movie_id  rating  unix_timestamp
0        1   Toy Story (1995)       5       874965758
1        1   GoldenEye (1995)       3       876893171
2        1  Four Rooms (1995)       4       878542960

或使用replace:

df2['movie_id'] = df2['movie_id'].replace(df1.set_index('ID')['MOVIE NAME (YEAR)'])
print (df2)
   user_id           movie_id  rating  unix_timestamp
0        1   Toy Story (1995)       5       874965758
1        1   GoldenEye (1995)       3       876893171
2        1  Four Rooms (1995)       4       878542960

如果不匹配，则map创建NaN并替换let原始值：

print (df2)
   user_id  movie_id  rating  unix_timestamp
0        1         1       5       874965758
1        1         2       3       876893171
2        1         5       4       878542960 <- 5 not match

df2['movie_id'] = df2['movie_id'].map(df1.set_index('ID')['MOVIE NAME (YEAR)'])
print (df2)
   user_id          movie_id  rating  unix_timestamp
0        1  Toy Story (1995)       5       874965758
1        1  GoldenEye (1995)       3       876893171
2        1               NaN       4       878542960

---

df2['movie_id'] = df2['movie_id'].replace(df1.set_index('ID')['MOVIE NAME (YEAR)'])
print (df2)
   user_id          movie_id  rating  unix_timestamp
0        1  Toy Story (1995)       5       874965758
1        1  GoldenEye (1995)       3       876893171
2        1                 5       4       878542960