python pandas.Dataframeのリストに従ってラベルを割り当てる方法は？

Question

私は2つのDataFrameを持っていますが、1つは「レシピ」、成分の組み合わせ、もう1つは「好き」です。組み合わせは「のような」に記載されている場合

recipe = pd.DataFrame({'A': ['chicken','beef','pork','egg', 'chicken', 'egg', 'beef'], 
         'B': ['sweet', 'hot', 'salty', 'hot', 'sweet', 'salty', 'hot']}) 
recipe 
    A  B 
0 chicken sweet 
1  beef hot 
2  pork salty 
3  egg hot 
4 chicken sweet 
5  egg salty 
6  beef hot 

like = pd.DataFrame({'A':['beef', 'egg'], 'B':['hot', 'salty']}) 
like 
    A  B 
0 beef hot 
1 egg salty 

私は、レシピに列「C」を追加することができますどのように、私はそれに値を「はい」、そうでない場合は「いいえ」を与えますか？

私が望む結果は、問題は私の両方のデータフレームが大きいです

recipe 
     A  B C 
0 chicken sweet no 
1  beef hot yes 
2  pork salty no 
3  egg hot no 
4 chicken sweet no 
5  egg salty yes 
6  beef hot yes 

です。私は手動で '好き'の項目を選択して 'レシピ'に 'はい'のラベルを割り当てることはできません。それを行う簡単な方法はありますか？

Answer 1

あなたはmergeとnumpy.whereを使用することができます。

df = pd.merge(recipe, like, on=['A','B'], indicator=True, how='left') 
print df 
     A  B  _merge 
0 chicken sweet left_only 
1  beef hot  both 
2  pork salty left_only 
3  egg hot left_only 
4 chicken sweet left_only 
5  egg salty  both 
6  beef hot  both 

df['C'] = np.where(df['_merge'] == 'both', 'yes', 'no') 

print df[['A','B','C']] 
     A  B C 
0 chicken sweet no 
1  beef hot yes 
2  pork salty no 
3  egg hot no 
4 chicken sweet no 
5  egg salty yes 
6  beef hot yes 

高速化df['_merge'] == 'both'を使用している：

In [460]: %timeit np.where(np.in1d(df['_merge'],'both'), 'yes', 'no') 
100 loops, best of 3: 2.22 ms per loop 

In [461]: %timeit np.where(df['_merge'] == 'both', 'yes', 'no') 
1000 loops, best of 3: 652 µs per loop 

Answer 2

あなたはlikeに'yes'秒のC列を追加し、likeでrecipeをマージすることができます。 一致する行は、列にyesとなります。一致しない行は、NaNとなります。その後、'no'秒でNaNを置き換えるためにfillnaを使用することができます。あなたのようなAとBの両方を照合することによってset_valueを使用することができます

import pandas as pd 
recipe = pd.DataFrame({'A': ['chicken','beef','pork','egg', 'chicken', 'egg', 'beef'], 
         'B': ['sweet', 'hot', 'salty', 'hot', 'sweet', 'salty', 'hot']}) 

like = pd.DataFrame({'A':['beef', 'egg'], 'B':['hot', 'salty']}) 
like['C'] = 'yes' 
result = pd.merge(recipe, like, how='left').fillna('no') 
print(result) 

利回り

  A  B C 
0 chicken sweet no 
1  beef hot yes 
2  pork salty no 
3  egg hot no 
4 chicken sweet no 
5  egg salty yes 
6  beef hot yes 

Answer 3

：意志

recipe.set_value(recipe[recipe.A.isin(like.A) & recipe.B.isin(like.B)].index,'C','yes') 
recipe.fillna('no') 

をあなたに与える：

  A  B C 
0 chicken sweet no 
1  beef hot yes 
2  pork salty no 
3  egg hot yes 
4 chicken sweet no 
5  egg salty yes 
6  beef hot yes 

注：これらの結果は、私の答えが他のものより優れていることを意味しません。

set_valueを使用する：

%timeit recipe.set_value(recipe[recipe.A.isin(like.A) & recipe.B.isin(like.B)].index,'C','yes'); recipe.fillna('no') 
100 loops, best of 3: 2.69 ms per loop 

をmergeを使用して、新しいdfを作成：

%timeit df = pd.merge(recipe, like, on=['A','B'], indicator=True, how='left'); df['C'] = np.where(df['_merge'] == 'both', 'yes', 'no') 
100 loops, best of 3: 8.42 ms per loop 

のみmergeを使用する：

%timeit df['C'] = np.where(df['_merge'] == 'both', 'yes', 'no') 
1000 loops, best of 3: 187 µs per loop 

繰り返しますが、それは本当にあなたがタイミングしているかに依存。データの複製には慎重を期してください。