使用第二个数据帧中的多个匹配项的随机匹配创建/更新新字段

问题描述

我有一个数据框县：

CountyID     CountyName     SalesRep     FiscalQuarter     Sales
185           Cuyahoga       Winslow      2Q19             4,564
276           Waterton       Smith        1Q17             900

第二个数据框 CountyZips 包含县 ID 及其包含的所有邮政编码：

CntyID     Zip
185          05643
185          05617
185          05866
276          32786
276          33465
276          34119

我想用新的“zip”列更新第一个数据帧，或者用该 zip 列创建新的数据帧，然后用第二个数据帧的 Zip 列中的随机匹配项填充“zip”字段。换句话说，在第二个数据帧中有多个与一个县 ID 相关联的 zips；我只想得到其中一个（不是第一个或最后一个，而是随机的，技术上可以是第一个或最后一个，我只是希望它不要总是第一个或最后一个，我不想指定第 3 个，第 4 个等匹配，因为有时可能只有一个匹配，或没有匹配）。所以，我想要的结果（数据帧 1 更新或新数据帧）：

CountyID     Zip     CountyName     SalesRep     FiscalQuarter     Sales
185          05617   Cuyahoga       Winslow      2Q19             4,564
276          34119   Waterton       Smith        1Q17             900

请注意，使用来自数据框 2 的随机 zip 更新了 zip，其中县 ID 在两个数据集之间匹配。

我在上一个问题中找到了一个看似适用的答案，解决方案是：

d1[d2,on = .(gender,year,code),{ri <- sample(.N,1L)
  .(amount = amount[ri],status = status[ri])},by = .EACHI]

我尝试了这个，根据需要修改数据框和字段名称（我只匹配一个字段，而不是 3 个），但所有尝试都出现语法错误，包括当我制作与原始问题，所以我不确定这是否是 Python 版本控制问题（我使用的是 Python 3.7.4）

如果有人能帮我解决这个问题，我将不胜感激。感谢您的时间

解决方法

你可以这样做：

import random

df['Zip'] = df['CountyID'].map(zip_df.groupby('CntyID')['Zip'].agg(list)).apply(random.choice)
print(df)

输出

   CountyID CountyName SalesRep FiscalQuarter  Sales    Zip
0       185   Cuyahoga  Winslow          2Q19  4,564   5617
1       276   Waterton    Smith          1Q17    900  32786

步骤：

map(zip_df.groupby('CntyID')['Zip'].agg(list))

为每个县创建一个可能的选择列表，然后：

.apply(random.choice)

随机选择一个。如果您想为同一个县选择始终相同的zip，请使用：

import random
lookup = zip_df.groupby('CntyID')['Zip'].agg(lambda x: random.choice(x.tolist()))
df['Zip'] = df['CountyID'].map(lookup)
print(df)

输出

   CountyID CountyName SalesRep FiscalQuarter  Sales    Zip
0       185   Cuyahoga  Winslow          2Q19  4,564   5617
1       276   Waterton    Smith          1Q17    900  32786