Блог

У меня есть следующие фреймы данных

 import pandas as pd
df_occurencies = pd.DataFrame({'day':[1,2,3,4,5],
                           'occ':[['frog','wasp','bee'],
                           ['frog','whale','barley','orchid'],
                           ['orchid','barley','frog'],
                           ['orchid','whale','frog'],
                           ['orchid','barley','tulip']]})

df_kingdoms = pd.DataFrame({'item':['frog','wasp','bee',
                              'whale','barley','orchid',
                              'tulip'],
                      'kingdom':['animalia','animalia','animalia',
                              'animalia','plantae','plantae',
                              'plantae']})
  

Мне нужно настроить другой столбец, классифицируя наблюдения в столбце occ на основе значений df_kingdoms values.
Все значения неоднородны, поэтому желаемый результат был бы таким:

     day                     occ        desired_result
0    1              [frog, wasp, bee]   "animals"
1    2  [frog, whale, barley, orchid]   "animals and plants"
2    3         [orchid, barley, frog]   "mostly plants"
3    4          [orchid, whale, frog]   "mostly animals"
4    5        [orchid, barley, tulip]   "plants"
  

Я знаю, что есть много способов решить эту проблему, я безуспешно пробовал определенную функцию с большим количеством .loc s, которые, я думаю, даже не стоит публиковать. И мне нужно выполнить это на больших наборах данных, так что чем быстрее, тем лучше.

Это должно сделать:

 dic_kd={i:j for i,j in zip(df_kingdoms.item,df_kingdoms.kingdom)}
desired_output=[]
for I in df_occurencies.occ:
    list_aux=[dic_kd[i] for i in I]
    if (list_aux.count('animalia')!=0) and (list_aux.count('plantae')==0) :
        desired_output.append('animals')
    elif (list_aux.count('animalia')==0) and (list_aux.count('plantae')!=0) :
        desired_output.append('plants')
    elif list_aux.count('animalia')>list_aux.count('plantae'):
        desired_output.append('mostly animals')
    elif list_aux.count('animalia')<list_aux.count('plantae'):
        desired_output.append('mostly plants')
    else:
        desired_output.append('animals and plants')

df_occurencies['desired output']=desired_output
  

Скажите мне, если вы ничего не понимаете, и я помогу вам