Pandas - Auswahl Spalte basierend auf Zellwert

Question

Ich habe einen Datenrahmen von Währungswerten in GBP nach Datum:

    USD  EUR  JPY  CAD  CNH 
date               
2017-06-29 0.770151 0.879765 0.006857 0.591919 0.113538 
2017-06-28 0.773038 0.878451 0.006892 0.592764 0.113687 
2017-06-27 0.781594 0.885069 0.006952 0.593128 0.114724 
2017-06-26 0.785476 0.879456 0.007045 0.593763 0.114849 

Und ein anderer Datenrahmen Werten in GBP konvertieren:

  price  date currency 
0 21404.00000 2017-06-26  USD 
3 21445.00000 2017-06-26  USD 
4  1.27213 2017-06-26  USD 
5  111.67500 2017-06-26  JPY 
6  1.27205 2017-06-26  EUR 
8  111.65500 2017-06-26  JPY 
9  111.65500 2017-06-26  JPY 

Mein Ziel ist die Währungen Datenrahmen auf die Werte zu „verbinden“, in einer neuen Spalte rate resultierende:

  price  date currency  rate 
0 21404.00000 2017-06-26  USD 0.785476 
3 21445.00000 2017-06-26  USD 0.785476 
4  1.27213 2017-06-27  USD 0.781594 
5  111.67500 2017-06-27  JPY 0.006952 
6  1.27205 2017-06-28  EUR 0.885069 
8  111.65500 2017-06-28  JPY 0.006892 
9  111.65500 2017-06-29  JPY 0.006857 

Ich bin an keiner Methode interessiert, die apply oder eine andere Art von zeilenbasierter Iteration verwendet. Stattdessen würde ich nach einer vektorisierten Möglichkeit suchen, die ersten beiden Datenrahmen zu manipulieren, um die dritte zu erhalten.

Answer 1

Verwenden lookup Ihre Preise zu finden und assign in einer neuen Spalte fallen

df.assign(rate=currencies.lookup(df.date, df.currency)) 

     price  date currency  rate 
0 21404.00000 2017-06-26  USD 0.785476 
3 21445.00000 2017-06-26  USD 0.785476 
4  1.27213 2017-06-27  USD 0.781594 
5 111.67500 2017-06-27  JPY 0.006952 
6  1.27205 2017-06-28  EUR 0.878451 
8 111.65500 2017-06-28  JPY 0.006892 
9 111.65500 2017-06-29  JPY 0.006857 

Answer 2

Nun, das ist ein bisschen durcheinander. Aber Sie können Funktion verwenden, um eine Anwendung das Datum anzupassen und dann die rechte Spalte erhalten, wie dies

currency_data = [['2017-06-29',0.770151,0.879765,0.006857,0.591919,0.113538], 
       ['2017-06-28',0.773038,0.878451,0.006892,0.592764,0.113687]] 

currencies = pd.DataFrame(currency_data, 
          columns=['date', 'USD', 'EUR', 'JPY', 'CAD', 'CNH']) 

trans_data = [[21404.00000, '2017-06-29', 'USD'], 
       [21445.00000, '2017-06-28', 'JPY']] 

trans = pd.DataFrame(trans_data, columns=['amount', 'date', 'currency']) 

def map_currency(row): 
    return currencies[currencies['date'] == row['date']][row['currency']].iloc[0] 

rates = trans.apply(map_currency, axis=1) 
rates.name = 'rate' 
pd.concat([trans, rates], axis=1)