列表理解中的多重循环和赋值

如何解决列表理解中的多重循环和赋值

假设我有以下数据设置：

a1=[1,2,3]
a2=['a','b','c']
df1 = DataFrame([['a','x_a'],['b','x_b'],['c','x_c']],columns=['keys','values'])
df1.set_index('keys',inplace=True)

这将为我提供以下数据框：

我想创建一个由元组 (x,y,z) 组成的 DataFrame，其中 x 在 a1 中，y 在 a2 中，而 z 是df1

在 y 中查找

我现在可以从下面创建 (x,y)：

DataFrame([[(x,y) for x in a1] for y in a2])

我的问题是如何通过列表理解方法在元组中获取 z？

我尝试过类似 DataFrame([[(x,z) for x in a1] for y in a2 for z:=df1.loc[y]['values']]) 的方法，但无法使其正常工作。

解决方法

使用DataFrame.loc：

df1 = pd.DataFrame([[(x,y,df1.loc[y,'values']) for x in a1] for y in a2])
print (df1)
             0            1            2
0  (1,a,x_a)  (2,x_a)  (3,x_a)
1  (1,b,x_b)  (2,x_b)  (3,x_b)
2  (1,c,x_c)  (2,x_c)  (3,x_c)

或者通过 dict.get 按字典选择值 - 如果没有匹配的值更好：

a1=[1,2,3]
a2=['a','b','c','d']
df1 = pd.DataFrame([['a','x_a'],['b','x_b'],['c','x_c']],columns=['keys','values'])
df1.set_index('keys',inplace=True)

d = df1['values'].to_dict()
df1 = pd.DataFrame([[(x,d.get(y,None)) for x in a1] for y in a2])
print (df1)
              0             1             2
0   (1,x_a)   (2,x_a)   (3,x_a)
1   (1,x_b)   (2,x_b)   (3,x_b)
2   (1,x_c)   (2,x_c)   (3,x_c)
3  (1,d,None)  (2,None)  (3,None)

,

由于 keys 中的索引 df1 包含来自 a2（y 的来源）的所有值，因此您可以使用 df1['values'][y] 来获取适当的df1 的值：

a1=[1,'c']
df1 = DataFrame([['a',inplace=True)
pd.DataFrame([[(x,df1['values'][y]) for x in a1] for y in a2])

输出：

             0            1            2
0  (1,x_c)