Pandas：相互评估两个数据框

Question

让我们想象一个记忆/回忆游戏。有些房间的桌子上摆满了巧克力和其他东西。您有 20 秒的时间查看每张桌子。稍后你会被问到你看到了什么。这给出了两个数据集。一个是表格的配置，另一个是你能记住的。任务是评估您正确回忆了哪些项目以及您不记得哪些项目。在这个任务中，我们不关心产品的品牌。只是类型。

这是两个房间的示例配置。

config = [
        {'room': 'room1', 'kind': 'chocolate', 'brand': 'Mars'},
        {'room': 'room1', 'kind': 'chocolate', 'brand': 'Mars'},
        {'room': 'room1', 'kind': 'chocolate', 'brand': 'Milka'},
        {'room': 'room1', 'kind': 'nuts', 'brand': 'Bahlsen'},
        {'room': 'room2', 'kind': 'chocolate', 'brand': 'Mars'},
        {'room': 'room2', 'kind': 'nuts', 'brand': 'Ültje'},
        {'room': 'room2', 'kind': 'nuts', 'brand': 'Bahlsen'}
        ]

import pandas as pd
df_config = pd.DataFrame(config).sort_values(['room'])
df_config

现在你有 20 秒的时间来记住时间。之后你会被问到你看到了什么。以下是你记得的：

recall = [
        {'room': 'room1', 'kind': 'chocolate'},
        {'room': 'room1', 'kind': 'chocolate'},
        {'room': 'room1', 'kind': 'nuts'},
        {'room': 'room2', 'kind': 'nuts'}
        ]

import pandas as pd
df_recall = pd.DataFrame(recall).sort_values(['room'])
df_recall

显然，您在 1 号房间看到了两根巧克力棒，因此您错过了第三根。对于房间 2，您错过了第二袋坚果。所以，评估结果会是这样的：

correct = [
        {'room': 'room1', 'kind': 'chocolate', 'brand': 'Mars', 'eval': 'correct'}, # first chocolate room1
        {'room': 'room1', 'kind': 'chocolate', 'brand': 'Mars', 'eval': 'correct'}, # second chocolate room1
        {'room': 'room1', 'kind': 'nuts', 'brand': 'Bahlsen', 'eval': 'correct'}, # first nuts room1
        {'room': 'room2', 'kind': 'nuts', 'brand': 'Ültje', 'eval': 'correct'}, # first nuts room2
        ]

incorrect = [
        {'room': 'room1', 'kind': 'chocolate', 'brand': 'Milka', 'eval': 'incorrect'}, # third chocolate room1 not recalled
        {'room': 'room2', 'kind': 'chocolate', 'brand': 'Mars', 'eval': 'incorrect'}, # first chocolate room2 not recalled
        {'room': 'room2', 'kind': 'nuts', 'brand': 'Bahlsen', 'eval': 'incorrect'} # second nuts room2 not recalled
        ]

我正在考虑根据房间合并两个数据集，然后按房间分组并评估每个组。通过迭代组或使用df.groupy(['room']).apply(my_function)。问题是，合并为每个房间创建了一个相当大的组，我不确定如何评估它。

df = pd.merge(df_config, df_recall, on='room', suffixes=('', '_recall'))

欢迎提出任何想法！

谢谢

Answer 1

我认为您需要每个 rooms 和 kind by cumcount 的唯一值的帮助列。然后将列添加到参数on 并指定左连接：

df_config['g'] = df_config.groupby(['room','kind']).cumcount()
df_recall['g'] = df_recall.groupby(['room','kind']).cumcount()

df = pd.merge(df_config, df_recall, on=['room', 'g'], suffixes=('', '_recall'), how='left')
print (df)
     brand       kind   room  g kind_recall
0     Mars  chocolate  room1  0   chocolate
1     Mars  chocolate  room1  0        nuts
2     Mars  chocolate  room1  1   chocolate
3    Milka  chocolate  room1  2         NaN
4  Bahlsen       nuts  room1  0   chocolate
5  Bahlsen       nuts  room1  0        nuts
6     Mars  chocolate  room2  0        nuts
7    Ültje       nuts  room2  0        nuts
8  Bahlsen       nuts  room2  1         NaN