创建一个新列取决于两个不同数据框中的列中的匹配字符串

Question

我有两个数据框 A 和 B，如果名称存在于数据集中，我想在两个数据框中的名称列之间进行匹配 BI 需要在数据集 A 中使用数据集 B 的 ID 创建一个新列（如果不存在）返回 0这是我写的代码#data B    email              name        id    [e-mail]       amal call     6    [e-mail]      amal        6    [e-mail]        AMAL boy    6    [e-mail]          boy         7    [e-mail]      boy         7    [e-mail]     call AMAL       9    [e-mail]      boy         7    [e-mail]          dog         8    [e-mail]      dog         8    [e-mail]        dog         8#data A    id  name    1   amal    1   AMAL    2   call    4   dog    3   boy首先我创建包含函数A.name.str.contains('|'.join(B.name))然后我尝试创建一个列A["new"] = np.where(A.name.str.contains('|'.join(B.name))==True, B.id, 0)但我得到这个错误ValueError: operands could not be broadcast together with shapes (5,) (10,) ()我所期望的是    id  name  new    1   amal  6    1   AMAL  0    2   call  0    4   dog   7    3   boy   8有什么帮助吗？

Answer 1

由 Series使用Series.map，通过 删除重复行DataFrame.drop_duplicates，然后用 替换缺失值Series.fillna并转换为整数：

A["new"] = A.name.map(B.drop_duplicates('name').set_index('name')['id']).fillna(0).astype(int)

print (A)

   id  name  new

0   1  amal    6

1   1  AMAL    0

2   2  call    0

3   4   dog    8

4   3   boy    7