Python/Pandas: Comment faire une jointure sur les matchs sur plusieurs colonnes

Question

Problème:

Je voudrais joindre deux tables ensemble en utilisant un critère d'assemblage plus complexes. Une table a 3 différents numéros de téléphone possibles, et l'autre table a 2 différents numéros de téléphone possibles. Je ne sais pas quel est le numéro de téléphone principal pour chaque rangée. En tant que tel, je voudrais joindre sur la base des critères qu'un numéro de téléphone des colonnes number, Phone1, Phone2 dans le premier tableau peut être trouvé dans les colonnes ANI ou DNIS dans le deuxième tableau.

données Exemple:

Un dataframe On dirait que ça ...

      application_uuid  number  Phone1  Phone2 
0  b7754a2e-84be-4aec-a04e-0eba93dca5d8 5196942368   NaN   NaN 
1  6ca3f0c3-0c83-4ebd-afe3-23977f1c6608 6475219092   NaN   NaN 
2  3b5a083e-7765-4f27-941d-d2b4cbd6f26a 6476256563   NaN   NaN 
3  229fee54-437f-4812-abec-7034fcb9a655  None   NaN   NaN 
4  866a2cd2-5628-4e6b-b649-d92e2f0585ce 7092164418 7096391545 7092164977 
5  8259410d-8d3d-4381-a0b3-6d6ce67b0917 6476387217 6476387217 6475313526 
6  c359b03b-5e5f-4d4e-a5b0-ee37ac90c292  None   NaN   NaN 
7  d70414a9-8fd9-4d1d-a77d-17f06743fd00 7054987969   NaN   NaN 
8  0452edf9-2d58-4ad5-b1e2-0621ac517104 6136219401   NaN   NaN 
9  cb3ab85c-fd42-4aff-a9b8-1743565b31e6  None   NaN   NaN 
10  563e3e4d-e59a-4afc-b804-91aa14de919d 7056582202 7056582202 7056584200 
11  3dd1df61-a36f-490b-ac15-225a83a21551  None 7096899998 7096899998 
12  6bc42df3-e869-4794-a595-e3238ccf5284 5873415009   NaN   NaN 
13  8bf11117-038f-4d2d-b4c6-9b2c6423d626 6473435642   NaN   NaN 
14  0a854fe5-af66-40b0-b202-3e9367dc5a75 6478594204   NaN   NaN 
15  b5884de8-2e0c-4b38-a3fd-7911cf4840b1 7787075288 7787075288 7787075288 
16  f74cf212-cff0-48cc-b210-539dcdcccf72 7802676838 7806678567  None 
17  9bffe5bf-b5d8-4e74-b4c9-9f1b5b238af3  None   NaN   NaN 
18  dce91c00-a1ea-4111-a6ee-5ff5fd0cfb5f 6476093140   NaN   NaN 
19  29cd024e-2c51-4682-b274-809c3cfb2b2b  None   NaN   NaN 
20  ec55317b-fc20-416a-b26d-e95300f89c79  None   NaN   NaN 
21  b3d00cd8-9d8e-415e-99b1-d8944e7b31e1  None   NaN   NaN 
22  b3328787-edb7-4e08-a76c-370a74135fba  None   NaN   NaN 
23  c8baf235-e702-41db-b4f8-8c2bf38109bf  None   NaN   NaN 
24  cd9179bc-0594-4d25-9d7f-ddf6671777e2 7802428155   NaN   NaN 
25  370855c0-b3fa-4d87-8d54-b84d34e7f35f  None   NaN   NaN 
26  82244e78-3802-4890-96f6-e5267172f0e9  None   NaN   NaN 
27  c7b0054c-29ac-4c76-bc5d-8cdbc93f5157 7052093358 7055268791 7052093358 
28  d90e6e87-f7ef-43e1-9c85-35572fae838c 4039696044   NaN   NaN 
29  bdd2474f-f4be-402b-8672-d73da90d7066  None   NaN   NaN 

L'autre dataframe ressemble à ceci ...

 CALL ID CALL TYPE   ANI   DNIS TALK TIME 
0  615262 Inbound 6479246923 8.557236e+09 00:00:00 
1  615263 Inbound 5196519186 8.557236e+09 00:00:00 
2  615264 Inbound 7095679350 8.557236e+09 00:00:00 
3  615265 Inbound 7095679350 8.557236e+09 00:00:00 
4  615266 Inbound 7095679350 8.557236e+09 00:00:00 
5  615267 Inbound 7095679350 8.557236e+09 00:00:00 
6  615268 Inbound 7095679350 8.557236e+09 00:00:00 
7  615269 Inbound 7095679350 8.557236e+09 00:00:00 
8  615270 Inbound 7095679350 8.557236e+09 00:00:00 
9  615271 Inbound 7095679350 8.557236e+09 00:00:00 
10  615272 Inbound 4035634231 8.557236e+09 00:00:00 
11  615273 Inbound 7095679350 8.557236e+09 00:00:00 
12  615274 Inbound 7095679350 8.557236e+09 00:00:00 
13  615275 Inbound 7095679350 8.557236e+09 00:00:00 
14  615276 Inbound 7095679350 8.557236e+09 00:00:00 
15  615277 Inbound 7095679350 8.557236e+09 00:00:00 
16  615278 Inbound 7095679350 8.557236e+09 00:00:00 
17  615279 Inbound 9057972416 8.557236e+09 00:00:00 
18  615280 Inbound 9057972416 8.557236e+09 00:00:00 
19  615281 Inbound 9057972416 8.557236e+09 00:00:00 
20  615282 Manual 8557235626 8.005635e+09 00:00:11 
21  615283 Inbound 9057972416 8.557236e+09 00:00:00 
22  615284 Inbound 4169991603 8.557236e+09 00:00:00 
23  615285 Manual 8557235626 4.162977e+09 00:01:05 
24  615286 Manual 8557235626 8.002569e+09 00:00:55 
25  615287 Inbound 4169967207 8.557236e+09 00:07:48 
26  615288 Inbound 4169788047 8.557236e+09 00:01:29 
27  615289 Inbound 9057972416 8.557236e+09 00:01:39 
28  615290 Inbound 8002568964 8.557236e+09 00:04:21 
29  615291 Manual 8557235626 7.059751e+09 00:00:19 

Mon approche:

Mon approche consistait à ajouter les numéros de téléphone à l'intérieur de chaque rangée comme une seule colonne dans une liste. Ensuite, j'ai créé une fonction de recherche. Cette façon n'est pas pratique, inélégante et beaucoup trop lente.

def f(row): 
    phone_numbers_59 = phone_data['Number'].tolist() 
    callid = phone_data['CALL ID'].tolist() 

    get_callid = [] 
    for i in range(0, len(phone_numbers_59)): 
     if any([x in phone_numbers_59[i] for x in row['Numbers']]): 
      get_callid.append(callid[i]) 

    if len(get_callid) > 0: 
     return get_callid 
    else: 
     return "NA" 

s = data.apply(f, axis=1) 

Answer 1

number, Phone1, Phone2 se trouvent dans les deux ANI ou DNIS

Il est plus simple si vous prenez les conditions de l'un à la fois (et ne pas écrire grand for boucles en Python , que vous avez vu est lent):

for col in ('ANI', 'DNIS'): 
    right = df2.set_index(col, drop=False) 
    df1 = df1.join(right, 'number', rsuffix='_num_'+col) 
    df1 = df1.join(right, 'Phone1', rsuffix='_p1_'+col) 
    df1 = df1.join(right, 'Phone2', rsuffix='_p2_'+col) 

s est d'ajouter des colonnes à df1 six fois: une fois pour chaque combinaison. rsuffix sert à désambiguïser les noms de colonnes. Vous pouvez vous retrouver avec plusieurs correspondances (peut-être Phone1 correspond à ANI et Phone2 correspond à DNIS), auquel cas c'est à vous de les résoudre ou de les combiner (en utilisant peut-être groupby()).