python - 在具有相似但不精确值的列上加入 Dataframes

Question

我有两个 pandas 数据框，我想加入 employee_id。一个是 Employee_Logs，另一个是 HR_Data。

员工日志_df

employee_id  action
2325255b     login     
51666164     login
51666164v    login
r1211        logoff
r18552421    login

HR_Data_df

employee_id  name
2325255      Rob    
51666164     Tom
r1211        Tammy
r18552421    Ron

我想加入他们，这样数据看起来像这样:

New_df

employee_id  action  name
2325255b     login   Rob  
51666164     login   Tom
51666164v    login   Tom
r1211        logoff  Tammy
r18552421    login   Ron

如果 employee_id 字段在两个表上都匹配，我可以做一个简单的连接，但同一个用户可以在他们之后有一个“b”或一个“v”员工 ID 以指定帐户是否像管理员帐户一样被提升。一些用户帐户在 id 前面有一个“r”，但这两个表都是这种情况。

在 SQL 中，这给了我想要的结果:

select el*,
    coalesce(h.name, hv.name, hb.name) as name
from employee_logs el left join
    hr_data h
    on el.employee_id = h.employee_id left join
    hr_data hv
    on el.employee_id = concat(h.employee_id, 'v') left join
    hr_data hb
    on el.employee_id = concat(h.employee_id, 'b');

在 Python 中是否有一种好方法可以让我执行一些 where 操作并创建一个新的 df？

Answer 1

您可以使用正则表达式从 Employee_Logs_df 中去除 employee_id 的结尾字母，然后将其映射到 HR_Data_df 中的您的姓名:

new_df = Employee_Logs_df.assign(name = Employee_Logs_df.employee_id
                                 .str.extract('(.*\d+)',expand=False)
                                 .map(HR_Data_df.set_index('employee_id')['name']))

>>> new_df
  employee_id  action   name
0    2325255b   login    Rob
1    51666164   login    Tom
2   51666164v   login    Tom
3       r1211  logoff  Tammy
4   r18552421   login    Ron

如果你愿意，你可以用合并做一些非常相似的事情:

new_df = Employee_Logs_df.merge(HR_Data_df.set_index('employee_id'),
                                left_on=Employee_Logs_df.employee_id
                                .str.extract('(.*\d+)',expand=False),
                                right_index=True)

>>> new_df
  employee_id  action   name
0    2325255b   login    Rob
1    51666164   login    Tom
2   51666164v   login    Tom
3       r1211  logoff  Tammy
4   r18552421   login    Ron