根据另一个数据框中的行条件，在一个数据框中查找值

Question

我想向 df1 添加列，该列使用基于 df1 行的条件从 df2 中查找值。

例如：

df1

Name  Date     Score   Country

John  1st Jan   5        US

John  2nd Jan   6        US

Phil  1st Jan   4        Canada

Phil  2nd Jan   8        Canada

Phil  3rd Jan   7        Canada

如果 Name =John，Date is > 1st of Jan 并且 country 是 = US，我想要一个公式来查找 df2 中另一列的值。所有其他行都相同。

Answer 1

尝试这个...import pandas as pdimport numpy as npcolumns = ["Name","Date","Score","Country"]data=[    ["John","1st Jan","5","US"],    ["John","2nd Jan","6","US"],    ["Phil","1st Jan","4","Canada"],    ["Phil","2nd Jan","8","Canada"],    ["Phil","3rd Jan","7","Canada"]]columns2 = ["Col1","Col2","Col3","Col4"]data2 = [[1,2,3,4],[1,2,3,4],[1,2,3,4],[1,2,3,4] ]df = pd.DataFrame(data, columns = columns)df2 = pd.DataFrame(data2, columns = columns2)print(df)print(df2)df.loc[(df['Name'] == "John")   &        (df['Date'] == "1st Jan")&       (df['Score'] == "5")     &       (df['Country'] == "US"), 'New'] = df2["Col1"]name = "Phil"date = "1st Jan"score = "4"country = "Canada"df.loc[(df['Name'] == name)   &        (df['Date'] == date)   &       (df['Score'] == score) &       (df['Country'] == country), 'New'] = df2["Col2"]输出：Name     Date Score Country0  John  1st Jan     5      US1  John  2nd Jan     6      US2  Phil  1st Jan     4  Canada3  Phil  2nd Jan     8  Canada4  Phil  3rd Jan     7  CanadaCol1  Col2  Col3  Col40     1     2     3     41     1     2     3     42     1     2     3     43     1     2     3     4Name     Date Score Country  New0  John  1st Jan     5      US  1.01  John  2nd Jan     6      US  NaN2  Phil  1st Jan     4  Canada  2.03  Phil  2nd Jan     8  Canada  NaN4  Phil  3rd Jan     7  Canada  NaN编辑您可以通过使用一个函数df.apply()和一个调用该函数的 lambda 来使其更加自动化。def lambdafunc(row):    name = row[0]    date = row[1]    score = row[2]    country = row[3]    df.loc[(df['Name'] == name)   &            (df['Date'] == date)   &           (df['Score'] == score) &           (df['Country'] == country), 'New'] = df2.loc[df2['Col1'] == name, 'Col4']df.apply(lambda x: lambdafunc(x), axis = 1)print(df)