Панды Python добавляют столбец со значением, сравнивающим столбцы с определенными внешними наборами
У меня есть фрейм данных (~ 30 000 строк) количество поездок по коду станции.
и набор данных - идентификатор маршрута: список идентификаторов станций. Пример 10001 (20001,2020,20013,... 20040); 10002 (20007,2000,20019, ... 20080). Таких маршрутов около 100. Задача состоит в том, чтобы добавить название маршрута в датафрейм по критерию входит ли станция отправления и назначения в тот или иной набор
В первичном виде список маршрутов представляет собой xml файл (элемент Sation id C1, route id NM), я могу разобрать его, но не знаю, в какую форму его преобразовать (dataframe, dict) и что делать следующий
<?xml version = "1.0" encoding = "windows-1251"?><MRS1>
<MR NM = "002001" PT = "0">
<C N = "001" C1 = "2040484" L = "000" NZ = "099" PZ = "0000" NO = "01" S = "ВЕР УФАЛЕЙ " ZT = "0" />
<C N = "002" C1 = "2040751" L = "006" NZ = "099" PZ = "0000" NO = "01" S = "ОП 100 КМ " ZT = "0" />
...
<C N = "022" C1 = "2030055" L = "106" NZ = "099" PZ = "0000" NO = "07" S = "ШАРТАШ " ZT = "0" />
<C N = "023" C1 = "2031190" L = "108" NZ = "099" PZ = "0000" NO = "07" S = "ПЕРВОМАЙСК " ZT = "0" />
<C N = "024" C1 = "2030000" L = "110" NZ = "099" PZ = "0000" NO = "07" S = "ЕКАТЕРИНБ П " ZT = "0" />
</MR>
<MR NM = "002002" PT = "0">
<C N = "001" C1 = "2040000" L = "000" NZ = "099" PZ = "0000" NO = "01" S = "ЧЕЛЯБИНСК " ZT = "0" />
<C N = "002" C1 = "2041748" L = "002" NZ = "099" PZ = "0000" NO = "01" S = "ЛОКОМОТИВ1 " ZT = "0" />
...
<C N = "044" C1 = "2041502" L = "152" NZ = "099" PZ = "0000" NO = "01" S = "ОП 1948 КМ " ZT = "0" />
<C N = "045" C1 = "2040550" L = "160" NZ = "099" PZ = "0000" NO = "01" S = "ЗЛАТОУСТ " ZT = "0" />
</MR>
<MRS1>
Есть ли пересечения маршрутов? если да, то как вы хотите с ними бороться?
Да, в маршрутах могут быть совпадения, но перед сравнением я от них избавлюсь, либо просто ищу первое вхождение
Я добавляю образец xml маршрута
Ответы 1
Допустим, вы анализируете XML и конвертируете его в формат dict, как показано ниже:
route_id = {1001 : [20001,20040], 1002: [20007,20080]}
Затем вы пишете этот фрагмент кода для преобразования в формат, который впоследствии можно использовать для выполнения series.map.
route_rev = {}
for i,k in zip(route.keys(), route.values()):
for j in k:
route_rev[j] = i
print(route_rev)
{20001: 1001, 20040: 1001, 20007: 1002, 20080: 1002}
Теперь просто используйте map и сопоставьте код станции из station_from с соответствующим кодом маршрута из route_rev dict.
df['route'] = df.station_from.map(route_rev)
print(df)
station_from station_to count route
0 20001 20040 55 1001
1 20040 20001 67 1001
2 20007 20080 100 1002
3 20080 20007 50 1002
Как хранятся маршруты? Как дикт? Пожалуйста, покажите пример маршрута к карте станции.