用于索引的 R 的 match() 的 Python 等价性答案

【问题标题】：Python equivalence of R's match() for indexing用于索引的 R 的 match() 的 Python 等价性
【发布时间】：2017-02-13 15:53:14
【问题描述】：

所以我本质上想使用 Pandas 数据帧在 Python 中实现 R 的 match() 函数的等效项 - 而不使用 for 循环。

在 R 中，match() 返回其第一个参数在其第二个参数中的（第一个）匹配位置的向量。

假设我有两个df A和B，其中都包括C列。在哪里

A$C = c('a','b')
B$C = c('c','c','b','b','c','b','a','a')

在 R 中我们会得到

match(A$C,B$C) = c(7,3)

对于 Pandas 数据帧中的列，Python 中的等效方法是什么，不需要循环遍历这些值。

【问题讨论】：

标签： python pandas indexing

【解决方案1】：

这是一个一个班轮：

B.reset_index().set_index('c').loc[A.c, 'index'].values

此解决方案以与输入 A 相同的顺序返回结果，正如 match 在 R 中所做的那样，因此它比 @jezrael 的答案更好，因为

完整示例：

A = pd.DataFrame({'c':['a','b']})
B = pd.DataFrame({'c':['c','c','b','b','c','b','a','a']})

B.reset_index().set_index('c').loc[A.c, 'index'].values

Output array([6, 2])

【讨论】：

【解决方案2】：

您可以先使用drop_duplicates，然后再使用boolean indexing 和isin 或merge。

Python 从 0 开始计数，因此对于相同的输出添加 1。

A = pd.DataFrame({'c':['a','b']})
B = pd.DataFrame({'c':['c','c','b','b','c','b','a','a']})


B = B.drop_duplicates('c')
print (B)
   c
0  c
2  b
6  a

print (B[B.c.isin(A.c)])
   c
2  b
6  a

print (B[B.c.isin(A.c)].index)
Int64Index([2, 6], dtype='int64')

print (pd.merge(B.reset_index(), A))
   index  c
0      2  b
1      6  a

print (pd.merge(B.reset_index(), A)['index'])
0    2
1    6
Name: index, dtype: int64

【讨论】：

请注意这里的结果是以不同的顺序返回的。在R中，match的输出顺序对应输入：('a', 'b')对应c(7,3)，但是这里的答案是先返回b的结果，然后是a。请参阅我的回答，了解尊重订单的单线选项。

【解决方案3】：

这给出了所有匹配的索引（使用 python 的基于 0 的索引）：

import pandas as pd

df1 = pd.DataFrame({'C': ['a','b']})
print df1

   C
0  a
1  b

df2 = pd.DataFrame({'C': ['c','c','b','b','c','b','a','a']})
print df2   

   C
0  c
1  c
2  b
3  b
4  c
5  b
6  a
7  a

match = df2['C'].isin(df1['C'])
print [i for i in range(match.shape[0]) if match[i]]

#[2, 3, 5, 6, 7]

【讨论】：