Python | Pandas | 一对一或多对一映射匹配到新列

本文总结如何基于一列或多列中的值，得到新列。

Updated: 2022 / 10 / 5

字典

参考这里 ¹

一对一映射

mapping

原始数据

# example
print(data)

    '''
                A        Num    ...           B     priority     
0               Y        962    ...           P      Highest   
...           ...        ...    ...         ...          ...        
556             t         84    ...           F       Medium   
...           ...        ...    ...         ...          ...
560             t        193    ...           F          Low   
    '''

自定义字典

基于单列中的值，提出自定义字典。此例中，有自定义字典1个，键为A列中的值，值为被映射到C列中相应的值。

# key, 'A'; value, 'C'; mapping 'A' values to 'C' values
A_to_C_Short = {
    ...
    ('Y', ...): 'P',
    ...
    (..., 't'): 'Others'
}                                        		# len(A_to_C_Short.keys()) = 6

    '''
m = 0
for n in A_to_C_Short.keys():
    m += len(n)
# m = 26
# there are 26 values in total
    '''

完整字典

完整键

键为A列中的值。

# 'A'
A = data.groupby('A').agg('sum').index.to_list()       			 # len(A) = 49

    '''
['A', 'B', ...]
    '''

完整字典

键为A列中的值，值为经过字典映射后理应被映射到C列中相应的值。

# primary mapping: mapping 'A' items in 'A' col to get a A_to_C full dict
A_to_C_Full = {}
for i in A:
    for j in A_to_C_Short:
        if i in j:
            A_to_C_Full[i] = A_to_C_Short[j]
            
    '''
print(A_to_C_Full):
{..., 'Y': 'P', ..., 't': 'Others', ...}

print(len(A_to_C_Full))
26
    '''

映射

经过完整字典将基于A列中的值映射到C列中相应的值。

# secondary mapping: mapping 'A' values in 'A' col to new values in 'C' col by A_to_C_Full dict
data['C'] = data['A'].map(A_to_C_Full).fillna(0)

    '''
                A    Num    ...        C
0               Y    962               P
...           ...    ...    ...      ...
556             t     84    ...   Others
...           ...    ...    ...      ...
560             t    193    ...   Others
    '''

多对一映射

apply

原始数据

# example
print(data)

    '''
                A        Num    ...           B     priority     
0               Y        962    ...           P      Highest   
...           ...        ...    ...         ...          ...        
556             t         84    ...           F       Medium   
...           ...        ...    ...         ...          ...
560             t        193    ...           F          Low   
    '''

自定义字典

基于多列中的值，提出自定义字典。此例中，有自定义字典2个，键为A或B列中的值，值为被映射到C列中相应的值。

字典A

键为A列中的值，值为被映射到C列中相应的值。

# key, 'A'; value, 'C'; mapping 'A' values to 'C' values
A_to_C_Short = {
    ...
    ('Y', ...): 'P',
    ...
    (..., 't'): 'Others'
}                                               # len(A_to_C_Short.keys()) = 6

    '''
m = 0
for n in A_to_C_Short.keys():
    m += len(n)
# m = 26
# there are totally 26 items in 6 keys
    '''

字典B

键为B列中的值，值为被映射到C列中相应的值。

# key, 'B'; value, 'C'; mapping 'B' values to 'C' values
B_to_C_Short = {
    'P': 'P',
    ('A', 'F', 'H', 'R', 'None', 'F'): 'N'
}

完整字典

完整键

键为A列与B列中的值组成的元组。

# 'A' & 'B' multi index in the format of tuple
MultiIndex = data.groupby(['A', 'B']).agg('sum').index.to_list()   # <class 'list'>

	'''
print(len(MultiIndex))
53

print(MultiIndex)
[('AR', 'F'), ('BW', 'P'), ('CW', 'P'), ...]
	'''

完整字典

键为A列与B列中的值组成的元组，值为经过字典A和字典B映射后理应被映射到C列中相应的值。

# based on tuple values in 'A' col and 'B' col, and user define dicts,
# get a A & B col to C col mapping dict
MultiIndex_to_C_Full = {}
for i in MultiIndex:                # i, e.g. ('AR', 'F')
    for j in A_to_C_Short:          # j, e.g. ('Y', ...)
        for k in B_to_C_Short:      # k, e.g. ('A', 'F', 'H', 'R', 'None', 'F')
            if k == 'P':
                if i[1] == k and i[0] in j:
                    MultiIndex_to_C_Full[i] = A_to_C_Short[j]
            else:
                if i[1] in k and i[0] not in j:
                    MultiIndex_to_C_Full[i] = B_to_C_Short[k]
                    
	'''
print(len(MultiIndex_to_C_Full))
53

pprint(MultiIndex_to_C_Full)
{('AR', 'F'): 'N',
...
('Y', 'P'): 'P',
	'''

映射

经过完整字典将基于A和B列中的值映射到C列中相应的值。

data['C'] = data[['A', 'B']].apply(lambda x: MultiIndex_to_C_Full.get((x.A, x.B)), axis=1)
	'''
               A       Num   ...         B             C
...
3              Y       962  ...          P             P
...
566            t       193  ...          F             N
	'''

---

函数

一对一映射

mapping

原始数据

---

表达式

参考这里 ²

原始数据参考此处 ³，简略图如下：

一对一映射

利用表达式，根据某一列值的范围，对另一列进行赋值。
比如，Choice 值大于 3 的 IP，对应的 Node 值为 Top；否则为 Medium。

data = pd.read_excel('Mapping_RawData.xlsx', sheet_name='Sheet1')
data.loc[(data.Choice > 3), 'Node'] = 'Top'
data.loc[(data.Choice <= 3), 'Node'] = 'Medium'

得到的结果如下所示：

多对一映射

利用表达式，根据某几列值的范围，对另一列进行赋值。
比如，Choice 值小于 2 的在 127.0.0.7 ~ 127.0.0.12 中的 IP，对应的 Node 值为 High；否则为 Low。

data = pd.read_excel('./Ex_Pandas.xlsx', sheet_name='Sheet1')
data.loc[(data.Choice < 2) & (data.IP.isin(['127.0.0.7', '127.0.0.8', '127.0.0.9', '127.0.0.10', '127.0.0.11', '127.0.0.12'])), 'Node'] = 'High'
data.loc[~((data.Choice < 2) & (data.IP.isin(['127.0.0.7', '127.0.0.8', '127.0.0.9', '127.0.0.10', '127.0.0.11', '127.0.0.12']))), 'Node'] = 'Low'

得到的结果如下所示：

参考链接

---

1. Python | Pandas | 多索引 | 自定义排序 ↩︎

2. Python Pandas 根据一列或几列的值，对另一列赋值 ↩︎

3. Mapping原始数据 ↩︎