Код Python для возврата значения элемента в фрейме данных на основе другого кадра данных

У меня есть набор данных, подобный этому, созданный из файла с годовыми данными.

d1 = pd.DataFrame({'category': ['A', 'B', 'C', 'D', 'E', 'F'], 
                    'col': ['20%', '40%', '80%', '40%', '60%', '20%']})

Кроме того, набор данных, аналогичный этому, создается с использованием другого набора данных, который ежемесячно

d2 = pd.DataFrame({'category': ['A', 'B', 'C', 'D', 'E', 'F'], 
                    '20%': ['2.1', '4.1', '6.8', '5.9', '3.4', '5.4'], 
                    '40%': ['1.9', '3.7', '6.1', '4.8', '4.1', '7.2'], 
                    '60%': ['3.1', '4.9', '6.5', '7.1', '7.9', '5.1'], 
                    '80%': ['2.5', '4.5', '5.6', '6.9', '8.4', '7.4']})

Я хочу получить такой вывод, где он возвращает значение элемента из d2 на основе двух столбцов в d1.

op =  pd.DataFrame({'category': ['A', 'B', 'C', 'D', 'E', 'F'],
                    'col': ['20%', '40%', '80%', '40%', '60%', '20%'],
                    'min_value': ['2.1', '3.7', '5.6', '4.8', '7.9', '5.4']})

Я не уверен, как сделать этот поиск значений

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
0
25
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Используйте DataFrame.melt для разворота, а затем левое соединение в DataFrame.merge:

df = d1.merge(d2.melt('category', value_name='min_value', var_name='col'), how='left')
print (df)
  category  col min_value
0        A  20%       2.1
1        B  40%       3.7
2        C  80%       5.6
3        D  40%       4.8
4        E  60%       7.9
5        F  20%       5.4

Альтернатива с DataFrame.join и DataFrame.stack:

df = d1.join(d2.set_index('category').stack().rename('min_value'), on=['category','col'])

Другие вопросы по теме