パンダ：別のデータフレームの値に基づいて、データフレームに新しい列を追加します

debugcn 投稿 Dev

追加-セミコロン

2つのデータフレームがあります。1つはuserId、性別、もう1つはこれらのユーザーのオンラインアクティビティを含むデータフレームです。

最初のデータフレーム (df1)

userId, gender
001, F
002, M
003, F
004, M
005, M
006, M

2番目のデータフレーム (df2)

userId, itemClicked, ItemBought, date
001, 123182, 123212, 02/02/2016
003, 234256, 123182, 05/02/2016
005, 986834, 234256, 04/19/2016
004, 787663, 787663, 05/12/2016
020, 465738, 465738, 03/20/2016
004, 787223, 787663, 07/12/2016

userIdに基づいて最初のデータフレームを検索することにより、2番目のデータフレームに性別列を追加したいと思います。df2は、同じユーザーが複数のアイテムをクリックした可能性があるクリックデータであるため、ユーザーごとに複数の行を持つ可能性があります。

これはMySqlで行うのは非常に簡単ですが、私はパンダでそれを行うことを理解しようとしています。

for index, row in df2.iterrows():
    user_id = row['userId']
    if user_id in df1['userId']:
        t = df1.loc[df1['userId'] == user_id]
        pdb.set_trace()

これはそのようなタスクへのパンダの方法ですか？

イズレエル

print (df1)
   userId gender
0       1      F
1       2      M
2       3      F
3       4      M
4       5      M
5       6      M

print (df2)
   userId  itemClicked  ItemBought        date
0       1       123182      123212  02/02/2016
1       3       234256      123182  05/02/2016
2       5       986834      234256  04/19/2016
3       4       787663      787663  05/12/2016
4      20       465738      465738  03/20/2016
5       4       787223      787663  07/12/2016

あなたが使用することができますmap：

df2['gender'] = df2.userId.map(df1.set_index('userId')['gender'].to_dict())

print (df2)
   userId  itemClicked  ItemBought        date gender
0       1       123182      123212  02/02/2016      F
1       3       234256      123182  05/02/2016      F
2       5       986834      234256  04/19/2016      M
3       4       787663      787663  05/12/2016      M
4      20       465738      465738  03/20/2016    NaN
5       4       787223      787663  07/12/2016      M

両方のDataFrameで列のみが同じである場合はmerge、左結合を使用した別のソリューションであるパラメーターonを省略できますgender。

df = pd.merge(df2, df1, how='left')

print (df)
   userId  itemClicked  ItemBought        date gender
0       1       123182      123212  02/02/2016      F
1       3       234256      123182  05/02/2016      F
2       5       986834      234256  04/19/2016      M
3       4       787663      787663  05/12/2016      M
4      20       465738      465738  03/20/2016    NaN
5       4       787223      787663  07/12/2016      M

タイミング：

#len(df2) = 600k
df2 = pd.concat([df2]*100000).reset_index(drop=True)

def f(df1,df2):
    df2['gender'] = df2.userId.map(df1.set_index('userId')['gender'].to_dict())
    return df2


In [43]: %timeit f(df1,df2)
10 loops, best of 3: 34.2 ms per loop

In [44]: %timeit (pd.merge(df2, df1, how='left'))
10 loops, best of 3: 102 ms per loop

この記事はインターネットから収集されたものであり、転載の際にはソースを示してください。

侵害の場合は、連絡してください[email protected]