本文旨在解决如何使用 Pandas 处理 DataFrame，根据一个 DataFrame 的 'code' 列在另一个 DataFrame 中查找对应的 'smth' 列的最小值，并将结果生成一个新的 DataFrame。文章将提供详细的步骤和示例代码，帮助读者理解和应用该方法。
在数据分析中，经常会遇到需要根据一个 DataFrame 的内容，在另一个 DataFrame 中查找相关信息，并最终生成一个新的 DataFrame 的需求。本文将介绍如何使用 Pandas 实现这一目标。具体来说，我们将根据 DataFrame df1 的 'code' 列，在 df2 中查找对应的 'smth' 列，并找到对应 'rank' 最小的值，最终生成包含最小 'rank' 对应行的 DataFrame out。
准备工作
首先，我们需要导入 Pandas 库，并创建示例 DataFrame df1 和 df2。
import pandas as pd
data1 = {'smth': ['RB', 'Supp', 'DX RT', 'Fk', 'CZFO', 'Supp_t', 'RK', 'rec', 'commerc', 'Supp_t'],
'code': ['HC-1343958', 'HC-1343958', 'HC-1340305', 'HC-1340305', 'HC-1107001', 'HC-1107001', 'HC-1107001', 'HC-1135154', 'HC-1135154', 'HC-1135154'],
'product_name': ['ERXY3-400', 'ERXY3-400', 'BWH/S 100 Level PRO', 'BWH/S 100 Level PRO', 'GWH 12 Fonte', 'GWH 12 Fonte', 'GWH 12 Fonte', 'BEC/ETER-1500', 'BEC/ETER-1503', 'BEC/ETER-1505'],
'digit': [3, 2, 20, 1, 1, 17, 78, 246, 10, 23],
'changes': [1, 1, 1, 1, 1, 1, 1, 1, 1, 1]}
data2 = {'smth': ['rec', 'Supp', 'Supp_t', 'RK', 'CZFO', 'RB'], 'rank': [2, 4, 6, 8, 9, 10]}
df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)
print("df1:")
print(df1)
print("\ndf2:")
print(df2)核心步骤
-
创建映射字典： 将 df2 的 'smth' 列和 'rank' 列转换为字典，用于后续查找。
m = dict(df2.values) print("\nm:") print(m)这里创建的字典 m 类似于 {'rec': 2, 'Supp': 4, 'Supp_t': 6, 'RK': 8, 'CZFO': 9, 'RB': 10}。
-
映射并分组： 使用 df1['smth'].map(m) 将 df1 的 'smth' 列映射为对应的 'rank' 值。然后，使用 groupby(df1['code']) 按照 'code' 列进行分组，并使用 idxmin() 找到每个分组中 'rank' 值最小的索引。
idxmin = df1['smth'].map(m).groupby(df1['code']).idxmin() print("\nidxmin:") print(idxmin)idxmin 包含了每个 'code' 对应的最小 'rank' 值的索引。
-
布尔索引： 使用 isin() 函数创建一个布尔 Series，指示 df1 的索引是否在 idxmin 中。然后，使用布尔索引从 df1 中选择对应的行，生成最终的 DataFrame out。
out = df1[df1.index.isin(idxmin)] print("\nout:") print(out)
完整代码
import pandas as pd
data1 = {'smth': ['RB', 'Supp', 'DX RT', 'Fk', 'CZFO', 'Supp_t', 'RK', 'rec', 'commerc', 'Supp_t'],
'code': ['HC-1343958', 'HC-1343958', 'HC-1340305', 'HC-1340305', 'HC-1107001', 'HC-1107001', 'HC-1107001', 'HC-1135154', 'HC-1135154', 'HC-1135154'],
'product_name': ['ERXY3-400', 'ERXY3-400', 'BWH/S 100 Level PRO', 'BWH/S 100 Level PRO', 'GWH 12 Fonte', 'GWH 12 Fonte', 'GWH 12 Fonte', 'BEC/ETER-1500', 'BEC/ETER-1503', 'BEC/ETER-1505'],
'digit': [3, 2, 20, 1, 1, 17, 78, 246, 10, 23],
'changes': [1, 1, 1, 1, 1, 1, 1, 1, 1, 1]}
data2 = {'smth': ['rec', 'Supp', 'Supp_t', 'RK', 'CZFO', 'RB'], 'rank': [2, 4, 6, 8, 9, 10]}
df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)
m = dict(df2.values)
idxmin = df1['smth'].map(m).groupby(df1['code']).idxmin()
out = df1[df1.index.isin(idxmin)]
print(out)注意事项
- 确保 df1 和 df2 中存在关联的列，本例中为 'smth' 列。
- 如果 df1 中某个 'code' 对应的所有 'smth' 在 df2 中都找不到对应的值，那么该 'code' 将不会出现在结果 out 中。
- 如果一个 'code' 对应多个最小 'rank' 值的 'smth'，那么结果 out 中将只包含其中一个。
总结
本文介绍了如何使用 Pandas 处理 DataFrame，根据一个 DataFrame 的内容在另一个 DataFrame 中查找最小值，并将结果生成一个新的 DataFrame。该方法的核心在于使用 map() 函数进行映射，使用 groupby() 函数进行分组，并使用 idxmin() 函数找到最小值对应的索引。最后，使用布尔索引选择对应的行，生成最终的 DataFrame。通过理解和掌握该方法，可以更加高效地处理和分析数据。
