我正在寻找一种高性能的方法来基于另一个值在数据框中查找值,并将查找值与其他值一起添加到行中的列中。
例如,我有这个数据框:
import pandas as pd
data = {
'role': ['primary', 'secondary', 'primary', 'secondary'],
'serial_number': ['abc', '123', 'def', '456'],
'primary_serial_number': ['abc', 'abc', 'def', 'def'],
'physical_id': ['w', 'x', 'y', 'z'],
'set_id': ['j', 'x', 'k', 'z']
}
df = pd.DataFrame(data = data)
role serial_number primary_serial_number physical_id set_id
0 primary abc abc w j
1 secondary 123 abc x x
2 primary def def y k
3 secondary 456 def z z
辅助节点始终具有相同的physical_id和set_id。对于每个辅助节点,我希望在与辅助节点相同的行中具有相关主节点的set_id。我可以通过将每个辅助数据库的“ primary_serial_number”与每个主要数据库的“ serial_number”进行匹配来进行查找。然后,我应该有一个标记为“ primary_set_id”的列,其值分别为j,j,k,k。
我尝试了以下方法:
df['primary_set_id'] = df['primary_serial_number'].apply(
lambda x: df['set_id'][df['serial_number'] == x])
当我对上面的伪数据运行此命令时,我得到:
ValueError:传递的项目数错误2,展示位置暗含1
实际上,我正在处理成千上万的行,并且这种方法效率极低(我尚未让它运行完毕)。
我认为应该这样做
grps = df.groupby('role')
prim_df = grps.get_group('primary')
sec_df = grps.get_group('secondary')
primsec_df = sec_df.merge(prim_df, left_on = 'primary_serial_number', right_on = 'serial_number')
primsec_df
在专栏中,'sec_id_y'
您将获得想要的:
| | role_x | serial_number_x | primary_serial_number_x | physical_id_x | set_id_x | role_y | serial_number_y | primary_serial_number_y | physical_id_y | set_id_y |
|---:|:----------|------------------:|:--------------------------|:----------------|:-----------|:---------|:------------------|:--------------------------|:----------------|:-----------|
| 0 | secondary | 123 | abc | x | x | primary | abc | abc | w | j |
| 1 | secondary | 456 | def | z | z | primary | def | def | y | k |
我不确定大型df的效率如何
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句