Put WHERE Klausel auf Pandas Merge

Question

Ich habe zwei Pandas Datenrahmen, die ich zusammen auf drei verschiedene Schlüssel zusammenführen möchte ... Art von. Jeder Datenrahmen hat eine geschlechtsspezifische Spalte und eine country_destination-Spalte, in der ich den äußeren Join ausführen möchte. Ein Datenrahmen hat eine age_bucket-Spalte, die eine Zeichenfolge ist, die den Altersbereich z.B. 45-49, 50-54, 55-59, die ich mit der pandas apply-Methode in eine Liste in einer anderen Spalte gewandelt habe. Meine Frage ist, wenn Sie eine Verbindung zwischen zwei Datenrahmen auf mehreren Schlüsseln machen, können Sie auch eine where-Anweisung irgendwo tun, um in der Lage zu sein, auf Spalten, die nicht die gleichen genauen Datentypen teilen? Zum Beispiel könnte ich sagen "diese Tabellen zu Gender Join und country_destination Spalten, in denen das Alter eines Benutzers in der Liste Wert von age_gender des age_list Spalte"

age_gender = pd.read_csv('data/age_gender_bkts.csv') 
users = pd.read_csv('data/train_users_2.csv') 

def getAgeList(row): 
    clean_age = row['age_bucket'].replace('+', '') 
    min_max = clean_age.split('-') 

    if len(min_max) > 1: 
     min_max = list(range(int(min_max[0]), int(min_max[1]) + 1)) 
    return min_max 

age_gender['age_list'] = age_gender.apply(lambda x: getAgeList(x), axis=1) 

combined_df = pd.merge(users, age_gender, on=['country_destination', 'gender']) 

user.columns

Index(['id', 'date_account_created', 'timestamp_first_active', 
     'date_first_booking', 'gender', 'age', 'signup_method', 'signup_flow', 
     'language', 'affiliate_channel', 'affiliate_provider', 
     'first_affiliate_tracked', 'signup_app', 'first_device_type', 
     'first_browser', 'country_destination', 'lat_destination', 
     'lng_destination', 'distance_km', 'destination_km2', 
     'destination_language ', 'language_levenshtein_distance'], 
     dtype='object') 

age_gender.

Spalten

Index(['age_bucket', 'country_destination', 'gender', 
     'population_in_thousands', 'year', 'age_list'], 
     dtype='object') 

Datenrahmen Proben

Answer 1

Ich glaube, Sie Reihen von Werten in age_list Spalte erweitern müssen und dann merge:

#get lengths of each list 
l = age_gender['age_list'].str.len() 
#get all columns without age_list 
cols = age_gender.columns.difference(['age_list']) 
#repeat values by lengths to new DataFrame 
df = pd.DataFrame({col: np.repeat(age_gender[col].values, l) for col in cols}) 
#flattening lists, necessary convert to int, because merge not match 
df['age'] = np.concatenate(age_gender['age_list'].values).astype(int) 

#inner merge is default, so how='inner' is omit 
df1 = pd.merge(df, users, on=['age', 'country_destination'])