通过搜索两个数据帧来创建pandas数据帧
我有两只熊猫DataFrames：
第一个表Artist-Name DataFrame对IMDb上的每个参与者都有一个惟一的标识符，并具有相应的参与者名称。
第二个表Movie-Cast DataFrame对IMDb上的每部电影和对应电影的前7位付费演员都有一个唯一的标识符(艺术家代码对应于第一个表中演员的唯一标识符)。
我想创建一个新的演员-电影DataFrame，它将艺术家的名字作为第一列，后续的列是所有的演员已经出现的电影。因此，我想使用表1中的"nconst“搜索表2中的每个电影的"principalCast”列，如果演员出现在"principalCast“位置之一(1-7)，则将演员出现的电影标题作为列添加到新的演员-电影DataFrame中。最终，我希望有一个包含许多列的表，其中包含艺术家参与的所有电影。
我尝试过合并和旋转DataFrames，但没有成功。我还尝试使用带有两个for循环的迭代组：
for row in actor_names.itertuples():
ldic = []
for r in movie_cast.itertuples():
if row[1] in [r[3], r[4], r[5], r[6], r[7], r[8], r[9], r[10]]:
ldic.append({row[1]:[].append(r[2])})itertuples需要几个小时，并且不会产生任何结果(我的整个电影数据库>2000行，演员数据库>800万行)。然而，上面的代码是我正在操作的有问题的逻辑。
有没有一种有效的方法可以通过使用表1的唯一参与者标识符来搜索表2中的每个"principalCast“(1-7)来创建新的DataFrame？我想要的输出是：
**primaryName | nconst | movie 1 | movie 2 | ... | movie n**
Brad Pitt | nm0000015 | Fight Club | Seven | ... | Mr&Mrs Smith
Jennifer Lawrence | nm0000109 | Mother |Hunger Games| ... | Serena没有特定的电影顺序，只需要一个演员参与的电影数据库。
回答 2
Stack Overflow用户
发布于 2018-01-10 03:05:58
这是我会怎么做的。
- 从第一个数据帧中删除不相关的列：
inplace=True)
- Get (‘birthYear’，'deathYear'，axis=1，actor_names.drop列第二个数据帧中的演员名称：
如果对我们刚获得的每个列名进行column.startswith('principalCast')
- Run合并，并且只留下我们需要的列，则cast_columns = movie_cast.columns中的列：
对于cast_columns中的cast_column : actor_names = actor_names.merge(movie_cast，how='left'，left_on='nconst'，right_on=cast_column) valid_columns = actor_names.columns中的列如果( ('nconst'，'primaryName')中的列或column.startswith(‘originalTitle’)中的列) actor_names =nconst
Stack Overflow用户
发布于 2018-01-09 19:35:19
我没有测试它，但我猜是这样的：
pd.merge(actor_names, movie_cast,how='left',left_on=['nconst'], right_on = ['principalCast1','principalCast2',.....])https://stackoverflow.com/questions/48167040
复制相似问题
腾讯云开发者
