Discussion :

[BioKore]

Bonjour à tous,

Je cherche depuis un petit moment comment mettre à jour un DataFrame (ou plus précisément un Series) à partir d'une autre table.
en effet; à partir d'une colonne 'data' par exemple, définir le groupe auquel appartient la donnée selon un autre tableau.

voici un exemple du dict à utiliser :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
dct = {
    'grpA': list('azerty'),
    'grpB': list('bhvb'),
    'grpC': list('pmlnqwptver')
    #...
}

et le résultat attendu:

data	groupe
a	grpA
b	grpB
l	grpC
c	NaN

*pour info, ne pas tenir compte des valeurs présentes dans plusieurs groupes à la fois. Mes données réelles en contiennent effectivement, mais je peux me débrouiller pour les retirer. Je comprends bien que ceci n'est plus un problème de code mais de contexte (quoi que..)

Je pense m'approcher de la solution avec un code du genre :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

df['Groupe'] = df.data.apply(lambda x: val for val in dct.keys() if (x in dct[val]))

mais le hic, c'est que ceci ne fonctionne pas. j'ai alors utilisé le code suivant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

df['Groupe'] = df.data.apply(lambda x: [val for val in dct.keys() if (x in dct[val])])

et cette fois j'ai les valeurs mais en liste (ex: [grpA], [grpB] etc...)
Bien entendu; si j'inverse le if et le for, je peux enfin mettre une valeur par défaut, mais on entre jamais dans la boucle...

Bref, je me dis qu'il doit bien exister un moyen bien plus simple et général que ce que j'essaie de faire.

Auriez-vous une idée sur le sujet ?
Merci par avance !

[jmv]

Bonjour,
je ne connais rien à Panda et donc aux DataFrame et Series, je suis donc peut-être à côté de la plaque.

Qu'est-ce que ça donne si tu crée une fonction f() pour remplacer ta fonction lambda ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
def f(data):
    for groupe,val in dct.items():
        if data in val:
            return groupe
    return None # ou autre chose

Et ensuite faire :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

df['Groupe'] = df.data.apply(f)

[BioKore]

Salut,

merci jmv pour ce retour qui réponds effectivement au problème ; tu as donc vu juste. Cependant, je souhaite encore trouver s'il n'existe pas une manière plus à la mode "Pandas" de réaliser ça, fonctionnant ainsi aussi bien pour un dict qu'un quelconque DataFrame.

Aussi, pourquoi ne suis-je pas en mesure de reformuler cette fonction, pourtant très simple, en une seule ligne ?

[jmv]

Cependant, je souhaite encore trouver s'il n'existe pas une manière plus à la mode "Pandas" de réaliser ça, fonctionnant ainsi aussi bien pour un dict qu'un quelconque DataFrame.

Je ne vois pas en quoi Panda t'oblige à utiliser une fonction lambda .

pourquoi ne suis-je pas en mesure de reformuler cette fonction, pourtant très simple, en une seule ligne ?

La 1ère qualité d'un code (à partir du moment où il donne la bonne réponse) est sa lisibilité. Ça peut-être un défi pour toi de réussir à écrire cette fonction en une seule ligne mais je ne suis pas certain que ta fonction sera plus lisible que la mienne (et je ne prétends pas avoir pondu le code le plus lisible qui soit).

Il m'est arrivé d'écrire des trucs complexes en une seule ligne, mais quand je relis ça un mois plus tard, j'ai du mal à comprendre mon propre code, je préfère des opérations séparées sur plusieurs lignes, enfin c'est mon humble avis.

[BioKore]

Je ne vois pas en quoi Panda t'oblige à utiliser une fonction lambda .

il ne m'y oblige pas ; justement, la solution que tu donnes fonctionne bien. dans le cas présent donc c'est correct pour moi ; cependant, j'imagine que Pandas offre des solutions plus "directes" pour ce genre de problème. La bibliothèque est spécialisée dans l'analyse et le traitement des données, activité qui demande souvent (dans ma situation en tout cas) d'effectuer des "mapping" entre plusieurs tables. Je serais surpris d'apprendre que pandas n'offre pas de fonctionnalité pour ce type d'action, autrement que par merging/concaténation.

le fait d'écrire cette fonction en une ligne n'est pas vraiment un défi non plus ; mais c'est juste que, dans le principe de python, je ne vois pas en quoi les méthodes que j'ai essayé ne fonctionnent pas (je peux mettre un if... else... avant la boucle mais uniquement un if... si après la boucle). Je suis entièrement d'accord avec toi concernant l'importance de la lisibilité, principe important pour tout langage de programmation selon moi, bien que j'ai effectivement encore énormément de progrès à réaliser dans ce domaine.