pandas |根据条件从另一个数据帧获取数据

Question

我有两个数据帧：

products

+------------+--------------------+
| item_name  | item_tags          |
+------------+--------------------+
| blue_shirt | summer,winter,blue |
|            |                    |
+------------+--------------------+
| red_skirt  | spring,summer      |
+------------+--------------------+

和orders

+------------+
| item       |
+------------+
| blue_shirt |
+------------+
| red_skirt  |
+------------+

我想在orders中创建一个新列：当products.item_name==orders.item时，我想取products.item_tags的值并将其添加到orders中

我试过：

orders['ItemTags'] = products.query("{0}=={1}".format(orders['item'], products['item_name']))['Tags']

但这给了我一个错误

Answer 1

我们可以这样做的一种方法是从products表中创建一个字典，将item_name列作为key，item_tags列作为value，然后map将其添加到orders item列中：

products_dict = dict(zip(products.item_name,products.item_tags))
orders['item_tags'] = orders['item'].map(products_dict)

输出

orders
Out[83]: 
         item           item_tags
0  blue_shirt  summer,winter,blue
1   red_skirt       spring,summer

Answer 2

另一种方法是使用merge函数

pd.merge(df_orders, df_products, left_on='item', right_on='item_name').drop(['item_name'], axis = 1)

通过使用merge方法，可以传递products和orders数据集，并为join操作指定列

import pandas as pd
df_products = pd.DataFrame(data={'item_name': ['blue_shirt', 'red_skirt'], 'item_tags': ['summer,winter,blue','spring,summer']})
df_orders = pd.DataFrame(data={'item': ['blue_shirt','red_skirt']})
df_orders = pd.merge(df_orders, df_products, left_on='item', right_on='item_name').drop(['item_name'], axis = 1)
print(df_orders)

输出

   item           item_tags
0  blue_shirt  summer,winter,blue
1  red_skirt       spring,summer