【问题标题】:Slicing Pandas DataFrame based on csv基于 csv 对 Pandas DataFrame 进行切片
【发布时间】:2014-06-15 08:20:25
【问题描述】:

假设我有一个如下所示的 Pandas DataFrame。

df = pd.DataFrame({'Name' : ['A','B','C'],
                'Country'  : ['US','UK','SL']})

  Country Name
0      US    A
1      UK    B
2      SL    C

我有一个像下面这样的 csv。

Name,Extended
A,Jorge
B,Alex
E,Mark
F,Bindu

我需要检查 df['Name'] 是否在 csv 中,如果是,请获取“扩展”。 如果不是,我只需要获取“名称”。所以我的预期输出如下。

 Country  Name  Extended
0      US    A  Jorge
1      UK    B  Alex
2      SL    C  C

以下显示了我到目前为止所尝试的内容。

f = open('mycsv.csv','r')
lines = f.readlines()

def parse(x):
    for line in lines:
        if x in line.split(',')[0]:
            return line.strip().split(',')[1]

df['Extended'] = df['Name'].apply(parse)

 Name Country Extended
0  A  US Jorge
1  B  UK Alex
2  C  SL None

我不知道如何在“扩展”处获得 C 的“名称”(代码中的else 部分)?任何帮助。

【问题讨论】:

    标签: python csv pandas dataframe


    【解决方案1】:

    您可以像这样使用 pandas 中的“fillna”功能:

    import pandas as pd
    
    df1 = pd.DataFrame({'Name' : ['A','B','C'],
                'Country'  : ['US','UK','SL']})
    df2 = pd.DataFrame.from_csv('mycsv.csv', index_col=None)
    
    df_merge = pd.merge(df, f, how="left", on="Name")
    df_merge["Extended"].fillna('Name', inplace=True)
    

    【讨论】:

      【解决方案2】:

      您可以将 csv 作为 df 加载,然后使用 where 分配:

      df['Name'] = df2['Extended'].where(df2['Name'] != df2['Extended'], df2['Name'])
      

      所以这里我们使用布尔条件来测试“名称”是否不等于“扩展”并使用该值,否则只使用“名称”。

      “扩展”是否总是与“名称”不同或相同?如果是这样,为什么不将扩展的值分配给数据框:

      df['Name'] = df2['Extended']
      

      这样会简单很多。

      【讨论】:

        猜你喜欢
        • 1970-01-01
        • 2015-07-19
        • 1970-01-01
        • 2017-05-21
        • 1970-01-01
        • 1970-01-01
        • 2012-08-06
        • 1970-01-01
        • 1970-01-01
        相关资源
        最近更新 更多