根据其他列更新列值

Question

我对Pandas的理解比较薄弱，对Python也不是很熟悉。

我想要根据现有列（d.Company和d2.Alias）的值来更新一个列（d.Alias）。如果d2.Alias是d.Company的子字符串，则d.Alias应该等于d2.Alias。

数据集示例：

d = {'Company': ['The Cool Company Inc', 'Cool Company, Inc', 'The Cool 
        Company', 'The Shoe Company', 'Muffler Store', 'Muffler Store'],
    'Position': ['Cool Job A', 'Cool Job B', 'Cool Job C', 'Salesman', 
        'Sales', 'Technician'],
    'City': ['Tacoma', 'Tacoma','Tacoma', 'Boulder', 'Chicago', 'Chicago'],
    'State': ['AZ', 'AZ', 'AZ', 'CO', 'IL', 'IL'],
    'Alias': [np.nan, np.nan, np.nan, np.nan, np.nan, np.nan]}
d2 = {'Company': ['The Cool Company, Inc.', 'The Shoe Company', 'Muffler 
         Store LLC'],
    'Alias': ['Cool Company', np.nan, 'Muffler'],
    'First Name': ['Carol', 'James', 'Frankie'],
    'Last Name': ['Fisher', 'Smith', 'Johnson']}

np.nan 对于 The Shoe Company 来说不需要使用别名。我尝试过使用 .loc、for 循环、while 循环、pandas.where、numpy.where 等多种方法，但都没有得到期望的结果。在使用 for 循环时，d2.Alias 的末尾被复制到了 d.Alias 的所有行中。然而，我无法重现这个结果。

我查看了之前的帖子，但是要么无法让它们工作，要么我无法理解它们：Conditionally fill column with value from another DataFrame based on row match in Pandas pandas create new column based on values from other columns。

非常感谢任何帮助！

编辑： 期望输出：Expected output 更新： 调整几天后，我达到了所需的结果。根据 Wen 的回答，我必须更改一些东西。首先，我从 df2.Alias 创建了一个名为 aliases 的列表：aliases = df2.Alias.unique()。然后，我需要删除 .map(df2.set_index('Company').Alias。生成我的所需结果的代码行：df1['Alias'] = df1.Company.apply(lambda x: [process.extract(x, aliases, limit=1)][0][0][0])。

- Chris

---

你能给我们提供期望的输出吗？我不太清楚你所说的“如果d2.Alias包含在d.Company中”是什么意思。 - harvpan

这些是数据框吗？ - BENY

新增了一个输出，并将“If d2.Alias is contained in d.Company”更改为@HarvIpan。 - Chris

@Wen 是的，那些就是数据框。 - Chris

Answer 1

一种方法是循环遍历您的较小数据框，并查看别名是否是d.Company的子字符串，然后将别名替换为该字符串。

import pandas as pd
d = pd.DataFrame(d)
d2 = pd.DataFrame(d2)

for row in d2[d2.Alias.notnull()].itertuples():
    d.loc[d.Company.str.contains(row.Alias), 'Alias'] = row.Alias

print(d)
#          Alias     City               Company    Position State
#0  Cool Company   Tacoma  The Cool Company Inc  Cool Job A    AZ
#1  Cool Company   Tacoma     Cool Company, Inc  Cool Job B    AZ
#2  Cool Company   Tacoma      The Cool Company  Cool Job C    AZ
#3           NaN  Boulder      The Shoe Company    Salesman    CO
#4       Muffler  Chicago         Muffler Store       Sales    IL
#5       Muffler  Chicago         Muffler Store  Technician    IL

- ALollz

---

我建议使用 df.itertuples 而不是 df.iterrows 来提高性能；除此之外，这看起来很好 +1。 - jpp

谢谢您的帮助。当我尝试时，“The Cool Company”的行中没有任何“Alias”。不过其他行似乎都工作得很好。 - Chris

Answer 2

< p >来自< code > fuzzywuzzy 的解决方案

from fuzzywuzzy import process

df1['Alias']=df1.Company.apply(lambda x :[process.extract(x, df2.Company, limit=1)][0][0][0]).map(df2.set_index('Company').Alias)
df1
Out[31]: 
          Alias     City               Company    Position State
0  Cool Company   Tacoma  The Cool Company Inc  Cool Job A    AZ
1  Cool Company   Tacoma     Cool Company, Inc  Cool Job B    AZ
2  Cool Company   Tacoma      The Cool Company  Cool Job C    AZ
3           NaN  Boulder      The Shoe Company    Salesman    CO
4       Muffler  Chicago         Muffler Store       Sales    IL
5       Muffler  Chicago         Muffler Store  Technician    IL

- BENY

---

感谢您向我介绍 fuzzywuzzy +1。 - harvpan

@Cwf2018：-）愉快编程 - BENY