Python比较两列并在第三列和第二列匹配时从第一列写入第四列的值。

Question

我有一个Excel表格有3列。我想比较第三列的值与第二列的值。如果该值存在于第二列，则将第一列的值写入第四列。如果该值不在第二列中，则在第四列中写入NA。可能有时候第三列的值为空，那么就没有东西可以进行比较。

示例： Excel文件

col1    col2    col3
a2      2        4
1d      3        2
cc      5        3
12      4        1

期望结果：

col1    col2    col3    col4
a2      2        4       12
1d      3        2       a2
cc      5        3       1d
12      4        1       NA

仍在不断改进中。有指针将非常有帮助。

- Starter

Answer 1

使用由DataFrame.set_index创建的另一个Series通过Series.map，如果不匹配，则默认为NaN：

df = pd.read_excel(file)

df['col4'] = df['col3'].map(df.set_index('col2')['col1'])
print (df)
  col1  col2  col3 col4
0   a2     2     4   12
1   1d     3     2   a2
2   cc     5     3   1d
3   12     4     1  NaN

如果col2中存在重复项，则会引发错误：

InvalidIndexError：重新索引仅适用于具有唯一值的索引对象

解决方法是添加DataFrame.drop_duplicates函数：

最初的回答：

print (df)
  col1  col2  col3
0   a2     2     4
1   1d     2     2
2   cc     5     3
3   12     4     1

df['col4'] = df['col3'].map(df.drop_duplicates('col2').set_index('col2')['col1'])
print (df)
  col1  col2  col3 col4
0   a2     2     4   12
1   1d     2     2   a2
2   cc     5     3  NaN
3   12     4     1  NaN

- jezrael

---

谢谢@jezrel。我发现还有一件事，就是在末尾添加了.0。也就是说，在一些初始列中的int变成了float。你知道为什么吗？ - Starter

@Starter - 我猜只添加整数，但如果至少一个NaN将值转换为浮点数，则这是设计上的。 但在pandas的最新版本中，解决带有NaN的整数一起工作的问题，请查看此链接。 - jezrael

@Starter - 如果添加字符串值，则不会像我的答案那样转换为浮点数。这只是一个“整数”问题。 - jezrael

好的，我明白了。非常感谢。 - Starter