如何将df_training关键词映射至df_1_long并添加sector列

数据与需求说明 #

现有两个Pandas DataFrame：

df_1_long = pd.DataFrame({
    'company_name': ['Company A', 'Company B', 'Company C'],
    'company_country': ['USA', 'Poland', 'Canada'],
    'keyword': ['holding', 'services', 'source'],
    'value': [1,0,1]
})

第二个DataFrame：

df_training = pd.DataFrame({
     'holding': [1, 0, 0],
     'services': [0, 1, 0],
     'source': [0, 0, 1],
     'sector': ['Retail', 'Finance', 'Energy']
})

需求：当df_1_long中keyword对应的value为1，且df_training中对应关键词列的值为1时，为df_1_long添加对应的sector值；否则设为'no_sector'，期望输出如下：

expected_output = pd.DataFrame({
    'company_name': ['Company A', 'Company B', 'Company C'],
    'company_country': ['USA', 'Poland', 'Canada'],
    'keyword': ['holding', 'services', 'source'],
    'value': [1,0,1],
    'sector': ['Retail', 'no_sector', 'Energy']
})

用户尝试的代码报错：

merged_df = pd.merge(df_1_long, df_training, left_on='keyword', right_on=df_training.columns[:-1])
df_1_long['sector'] = merged_df['sector'].where(merged_df['value'] == 1, np.nan)

正确实现方法 #

方法1：转换df_training格式后匹配 #

先把df_training转成长格式，让关键词作为单独一列，就能和df_1_long的keyword列直接匹配：

import pandas as pd

# 将df_training转换为长格式，提取关键词与对应sector
df_training_long = df_training.melt(
    id_vars='sector', 
    value_vars=['holding', 'services', 'source'],
    var_name='keyword',
    value_name='match_flag'
)
# 只保留匹配有效的行（值为1的项）
df_training_long = df_training_long[df_training_long['match_flag'] == 1].drop('match_flag', axis=1)

# 合并两个DataFrame
merged = df_1_long.merge(df_training_long, on='keyword', how='left')

# 根据条件设置sector值
df_1_long['sector'] = merged.apply(
    lambda x: x['sector'] if x['value'] == 1 else 'no_sector',
    axis=1
)
# 处理极端情况（比如value=1但无匹配的情况）
df_1_long['sector'] = df_1_long['sector'].fillna('no_sector')

方法2：字典映射简化操作 #

如果df_training中每个关键词对应唯一sector（如示例结构），可以直接构建映射字典：

import pandas as pd

# 构建keyword到sector的映射字典
sector_map = {}
for idx, row in df_training.iterrows():
    sector = row['sector']
    # 找到当前行值为1的关键词列
    keyword = row[row == 1].index[0]
    sector_map[keyword] = sector

# 先映射sector，再结合value条件替换
df_1_long['sector'] = df_1_long['keyword'].map(sector_map)
df_1_long['sector'] = df_1_long.apply(
    lambda x: x['sector'] if x['value'] == 1 else 'no_sector',
    axis=1
)

两种方法均可得到符合要求的输出。

内容的提问来源于stack exchange，提问作者user20999873