Pandas - 创建新列，其值取自同一数据框中的其他行

Question

我有一个如下的DataFrame：

    message_id  reply_to_id     sender
0   1           0               Roozbeh
1   2           1               Amir
2   3           0               Neda
3   4           2               Roozbeh
3   5           2               Neda

如果消息是回复另一条消息，则reply_to_id显示被回复的消息的id，否则为0。现在我想创建另一列reply_to_sender，其中显示被回复的消息的发送者名称（如果它不是回复，可以显示NaN）。 message_id列是唯一的，但reply_to_id和sender列显然不是。

我尝试了这个：

data["reply_to_sender"] = data.loc[data["reply_to_id"] == data["message_id"]]["sender"]

但它显然行不通，因为它会查看每一行并执行关系运算。我想做的是查看每一行，然后从其他行找到发送者的名称。对于上面的例子，输出需要像这样：

    message_id  reply_to_id     sender    reply_to_sender
0   1           0               Roozbeh   NaN
1   2           1               Amir      Roozbeh
2   3           0               Neda      NaN
3   4           2               Roozbeh   Amir
3   5           2               Neda      Amir

我该如何做到这一点？

- Amir Shabani

Answer 1

使用 Series.map 函数，对由 message_id 和 sender 创建的 Series 进行操作。

df['reply_to_sender'] = df['reply_to_id'].map(df.set_index('message_id')['sender'])
print (df)
   message_id  reply_to_id   sender reply_to_sender
0           1            0  Roozbeh             NaN
1           2            1     Amir         Roozbeh
2           3            0     Neda             NaN
3           4            2  Roozbeh            Amir
3           5            2     Neda            Amir

- jezrael

Answer 2

首先，让我们看看如何手动完成此操作。然后我们将在代码中实现。

如果我给你一个reply_to_id，你可以告诉我这条消息是回复给谁的，只需查看DataFrame，找到其message_id等于该数字的行，然后告诉我该行sender列中的值即可。这可以像这样完成，其中reply_to_id变量是我给你的数字：

data.loc[data["message_id"] == reply_to_id]["sender"]

现在这个代码返回一个pandas.Series，但我们没有要求返回 Series，我们想要的是发送者的标量值。所以我们需要从Series中提取该值。如果Series中只有一个值（您需要检查一下），我们可以使用 pandas.Series.values [0]进行提取。因此代码变成如下形式：

reply_to_sender_values = data.loc[data["message_id"] == reply_to_id]["sender"].values
if len(reply_to_sender_values) == 1:
    return reply_to_sender_values[0]

现在，如果我给你一个在message_id中找不到的数字，会发生什么？你会告诉我你什么也没找到。翻译成中文就是：

reply_to_sender_values = data.loc[data["message_id"] == reply_to_id]["sender"].values
if len(reply_to_sender_values) == 1:
    return reply_to_sender_values[0]
else:
    return ""

还有一件事情需要注意。正如你所说，reply_to_id中的值可能为零。因此我们需要注意这一点：

if(reply_to_id != 0):
    reply_to_sender_values = data.loc[data["message_id"] == reply_to_id]["sender"].values
    if len(reply_to_sender_values) == 1:
        return reply_to_sender_values[0]
    else:
        return ""
else:
    return ""

正如你所见，我们刚刚建立了一个函数来执行你手动完成的任务。让我们给它一个名称：

def reply_to_sender(reply_to_id):
    if(reply_to_id != 0):
        reply_to_sender_values = data.loc[data["message_id"] == reply_to_id]["sender"].values
        if len(reply_to_sender_values) == 1:
            return reply_to_sender_values[0]
        else:
            return ""
    else:
        return ""

现在我们只需要找到一种方法来将这个函数应用于我们的DataFrame中reply_to_id列中的所有行。幸运的是，Pandas中有一个方法可以做到这一点，它被称为pandas.DataFrame.apply。现在，我们只需要使用以下代码即可实现：

data["reply_to_sender"] = data["reply_to_id"].apply(lambda x: reply_to_sender(x))

---

需要注意的一点是，我在 Jupyter Notebook 中测试了这段代码。如果你想从脚本中运行这段代码，你需要将 DataFrame 传递给你的 reply_to_sender 函数。所以代码应该改为：

def reply_to_sender(data, reply_to_id):
    if(reply_to_id != 0):
        reply_to_sender_values = data.loc[data["message_id"] == reply_to_id]["sender"].values
        if len(reply_to_sender_values) == 1:
            return reply_to_sender_values[0]
        else:
            return ""
    else:
        return ""

data["reply_to_sender"] = data["reply_to_id"].apply(lambda x: reply_to_sender(data, x))

- Amir Shabani

Answer 3

你可以做到

mymap = {val: df.sender.loc[key] for key, val in df.message_id.to_dict().items()}

然后

df['reply_to_sender'] = df.reply_to_id.map(mymap)

这会给你

   message_id  reply_to_id   sender reply_to_sender
0           1            0  Roozbeh             NaN
1           2            1     Amir         Roozbeh
2           3            0     Neda             NaN
3           4            2  Roozbeh            Amir
3           5            2     Neda            Amir

- ignoring_gravity