Pandas/Python équivalent de match ifelse complexe R

Question

Mon but est d'obtenir l'équivalent de pandas géants du dessous Code R:

df1$String_1_check = ifelse(df1$String_1 == df2[match(df1$String_2, df2$String_2), 1], TRUE, FALSE) 

Si la valeur de la n-ième rangée de la colonne String_1 de DF1 est égale à la première colonne de df2 où la nième ligne de la colonne String_2 de df1 correspond à String_2 de df2, puis True dans une nouvelle colonne String_1_check, sinon False dans String_1_check. Df1 a plusieurs instances des mêmes valeurs dans String_1 et String_2, et df2 n'a qu'une instance de chaque valeur possible dans String_1. String_3 n'est pas unique. Avec ces exemples dataframes:

df1 = pd.DataFrame({'String_1': ['string 1', 'string 1', 'string 2', 'string 3', 'string 1'], 'String_2': ['string a', 'string a', 'string b', 'string a', 'string c']}) 
df2 = pd.DataFrame({'String_3': ['string 1', 'string 2', 'string 3'], 'String_2': ['string a', 'string b', 'string c']}) 

    String_1 String_2 
0 string 1 string a 
1 string 1 string a 
2 string 2 string b 
3 string 3 string a 
4 string 1 string c 

    String_3 String_2 
0 string 1 string a 
1 string 2 string b 
2 string 3 string c 

La sortie souhaitée serait:

String_1 String_2 String_1_check 
0 string 1 string a True 
1 string 1 string a True 
2 string 2 string b True 
3 string 3 string a False 
4 string 1 string c False 

J'ai essayé np.where, isin, pd.match (désapprouvée maintenant), mais ne l'ai pas trouvé une solution.

Answer 1

Vous pouvez à l'aide map sans changer l'ordre de votre original df

df1['String_1_check']=list(zip(df1['String_1'],df1['String_2'])) 
df2.index=list(zip(df2['String_3'],df2['String_2'])) 
df2['Check']=True 
df1['String_1_check']=df1['String_1_check'].map(df2['Check']).fillna(False) 

Out[764]: 
    String_1 String_2 String_1_check 
0 string 1 string a   True 
1 string 1 string a   True 
2 string 2 string b   True 
3 string 3 string a   False 
4 string 1 string c   False 

Answer 2

fusionnera les deux dataframes et vérifier si les chaînes 1 et 3 match (modifiés pour intégrer une suggestion AChampion):

dfnew = df1.merge(df2, how='left') 
dfnew["String_1_check"] = (dfnew.String_1 == dfnew.String_3) 
del dfnew["String_3"] 
print(dfnew) 
# String_1 String_2 String_1_check 
#0 string 1 string a   True 
#1 string 1 string a   True 
#2 string 3 string a   False 
#3 string 2 string b   True 
#4 string 1 string c   False 

Answer 3

Attribution de la valeur à df1 comme le R d'origine que vous pouvez faire:

In []: 
df1['String_1_check'] = df1.merge(df2, how='left')['String_3'] == df1['String_1'] 
df1 

Out: 
    String_1 String_2 String_1_check 
0 string 1 string a   True 
1 string 1 string a   True 
2 string 2 string b   True 
3 string 3 string a   False 
4 string 1 string c   False 

Answer 4

En supposant df2.String_3 est unique, créer une série de df2 et de l'utiliser dans une map de comparer contre df1.String_2. Ce sera rapide compte tenu map est des recherches à temps constant par rapport à merge.

Dans le cas où df2.String_3 est pas unique remarquer que OP exige que nous ne nous préoccuper de la ligne dans laquelle nous trouvons le premier match de df1.String_1. Cela signifie que nous pouvons faire df2.String_3 unique en utilisant drop_duplicates

df1.String_1.map(df2.set_index('String_3').String_2).eq(df1.String_2) 

0  True 
1  True 
2  True 
3 False 
4 False 
dtype: bool 

Version modifiée pour la non-unicité

df1.String_1.map(
    df2.drop_duplicates('String_3').set_index('String_3').String_2 
).eq(df1.String_2) 

Utilisez pd.DataFrame.assign pour créer une copie de df1 qui comprend une nouvelle colonne.

df1.assign(
    String_1_check=df1.String_1.map(
     df2.drop_duplicates('String_3').set_index('String_3').String_2 
    ).eq(df1.String_2) 
) 

    String_1 String_2 String_1_check 
0 string 1 string a   True 
1 string 1 string a   True 
2 string 2 string b   True 
3 string 3 string a   False 
4 string 1 string c   False 

---

timing
Dans cette simulation, la taille de df2 est statique. Je n'avais pas envie de modéliser des valeurs uniques.
code ci-dessous

pir = lambda df1, df2: df1.assign(String_1_check=df1.String_1.map(df2.drop_duplicates('String_3').set_index('String_3').String_2).eq(df1.String_2)) 
achamp = lambda df1, df2: df1.assign(String_1_check=df1.merge(df2, how='left').eval('String_3 == String_1')) 

results = pd.DataFrame(
    index=pd.Index([10, 30, 100, 300, 1000, 3000, 10000, 30000]), 
    columns='pir achamp'.split() 
) 

for i in results.index: 
    d1 = pd.concat([df1] * i, ignore_index=True) 
    for j in results.columns: 
     stmt = '{}(d1, df2)'.format(j) 
     setp = 'from __main__ import d1, df2, {}'.format(j) 
     results.set_value(i, j, timeit(stmt, setp, number=20)) 

results.plot(loglog=True)