python - 具有条件的 Pandas 中两个数据帧的复杂 Map 操作

Question

我在 pandas df 中有一张 table 。

id    prod1    prod2    count
1      10       30        100
2      10       20        200
3      20       10        200
4      30       10        100
5      30       40        300

我在 df2 中还有另一个表

product  price   master_product
  1000       1          10
  5000       2          10
  2000       2          20
  9000       5          20
  8000       1          20
  30         3          0
  4000       4          50

检查prod1和prod2是否属于master_product中的值，

如果是我想用我的 master_product 中最便宜的产品替换我的第一个 df 中的 prod1 和 prod2。

如果 prod1 和 prod2 值与 master_product 中的值不匹配，保持值不变。

我正在寻找决赛 table 。

id    prod1    prod2    count
1      1000    4000        100
2      1000    8000        200
3      8000    1000        200
4      30       1000        100   #since 30 is not in master_product,leave as it is
5      30       40        300

我试图使用 .map 函数来实现这个但我只能做到这一点。

df['prod1'] = df['prod1'].map(df2.set_index('master_product')['product'])
df['prod2'] = df['prod2'].map(df2.set_index('master_product')['product'])

但它会尝试用 df2 的 master_product 中的匹配值替换 prod1 和 prod2 中的每个值。

有什么想法可以实现吗？

Answer 1

您可以先修改 df1 为 master_product by groupby 的最低 price与 idxmin - 以最小的 price 获取所有指数:

df1 = df1.loc[df1.groupby('master_product')['price'].idxmin()]
print (df1)
   product  price  master_product
5       30      3               0
0     1000      1              10
4     8000      1              20
6     4000      4              50

为映射创建dict:

d = df1.set_index('master_product')['product'].to_dict()
print (d)
{0: 30, 10: 1000, 20: 8000, 50: 4000}

最后map如果缺少值，请通过 combine_first 添加它:

df.prod1 = df.prod1.map(d).combine_first(df.prod1)
df.prod2 = df.prod2.map(d).combine_first(df.prod2)
print (df)
   id   prod1   prod2  count
0   1  1000.0    30.0    100
1   2  1000.0  8000.0    200
2   3  8000.0  1000.0    200
3   4    30.0  1000.0    100
4   5    30.0    40.0    300