#python #database #pandas #numpy #dataframe
#python #База данных #pandas #numpy #фрейм данных
Вопрос:
получена база данных pd под названием data:
transaction_id house_id date_sale sale_price boolean_2015
0 1 1 31 Mar 2016 £880,000 True
3 4 2 31 Mar 2016 £450,000 True
4 5 3 31 Mar 2016 £680,000 True
6 7 4 31 Mar 2016 £1,850,000 True
7 8 5 31 Mar 2016 £420,000 True
и еще один называется houses:
id address postcode postcode first
0 1 Flat 78, Andrewes House, Barbican, London, Gre... EC2Y 8AY EC2Y
1 2 Flat 35, John Trundle Court, Barbican, London,... EC2Y 8DJ EC2Y
и вопрос в том, как мне добавить столбец к данным с именем ‘postcode_first’, где я ищу данные [‘house_id’] и добавляю первую часть почтового индекса к каждой строке в data[‘postcode_first’]?
ближайший, который я получил, был
data['postcode'] = np.where(houses['id'] == data['house_id'])
но это вообще не имеет смысла
есть кто-нибудь, кто может помочь?
РЕДАКТИРОВАТЬ
также пробовал
data['postcode'] = houses.loc[houses['id'] == data['house_id']]['postcode_first']
но это вернуло
Traceback (most recent call last):
File "/Users/saminahbab/Documents/House_Prices/final project/sql_functions.py", line 30, in <module>
data['postcode'] = houses.loc[houses['id'] == data['house_id']]['postcode_first']
File "/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages/pandas/core/ops.py", line 735, in wrapper
raise ValueError('Series lengths must match to compare')
ValueError: Series lengths must match to compare
что не должно иметь значения, потому что я пытаюсь по существу сказать data['postcode'] equals houses['postcode_first'] WHERE houses['id'] equals data['house_id']
Комментарии:
1. Можете ли вы опубликовать желаемый результат для
data['postcode']
столбца?2. данные [‘почтовый индекс’] должны быть EC2Y для обеих строк, которые можно найти в houses[‘postcode_first’]. дома[‘house_id’] соответствуют значениям в домах [‘id’]
Ответ №1:
Вы можете использовать метод map():
In [108]: df['postcode'] = df.house_id.map(h.set_index('id')['postcode first'])
In [109]: df
Out[109]:
transaction_id house_id date_sale sale_price boolean_2015 postcode
0 1 1 31 Mar 2016 £880,000 True EC2Y
3 4 2 31 Mar 2016 £450,000 True EC2Y
4 5 3 31 Mar 2016 £680,000 True NaN
6 7 4 31 Mar 2016 £1,850,000 True NaN
7 8 5 31 Mar 2016 £420,000 True NaN
Данные:
In [110]: h
Out[110]:
id address postcode postcode first
0 1 Flat 78, Andrewes House, Barbican, London, Gre EC2Y 8AY EC2Y
1 2 Flat 35, John Trundle Court, Barbican, London EC2Y 8DJ EC2Y
In [113]: df
Out[113]:
transaction_id house_id date_sale sale_price boolean_2015
0 1 1 31 Mar 2016 £880,000 True
3 4 2 31 Mar 2016 £450,000 True
4 5 3 31 Mar 2016 £680,000 True
6 7 4 31 Mar 2016 £1,850,000 True
7 8 5 31 Mar 2016 £420,000 True