Se me ocurren dos maneras de llegar al DataFrame
final, mi conocimiento de pandas
es mínimo.
La primera es utilizando Series.str.contains
Consiste en iterar el maestro de Ciudades, df1
, y generar un DataFrame
reducido, cada vez que una ciudad se encuentre dentro de df2['Ciudades']
.
Cada coincidencia la guardaremos en una lista data
, el registro que nos interesa guardar será la ciudad y el pais. El if
está preguntando si hubo coincidencias, de ser así... se guardará.
data = []
for index, row in df1.iterrows():
aux = df2[df2['Ciudades'].str.contains(row['Ciudad'])]
if len(aux) > 0:
data.append([row['Ciudad'],
aux['Pais'].iloc[0]])
df = pd.DataFrame(data=data,columns=['Ciudad','Pais'])
df
output:
Ciudad Pais
0 Bogota Colombia
1 Sevilla España
2 Venecia Italia
3 Madrid España
- Opción:
También podemos ayudarnos de una list comprehension
para resolver el problema. Ésta consiste en recorrer df2['Ciudades']
pero utilizando .split('-')
(ya que es el separador de ciudades). Entonces ahora estaríamos iterando cada Ciudad de df2, y guardaremos el Pais. En pocas palabras estamos abriendo df2
por Pais
.
El resultado lo guardamos en una lista data
, y creamos un nuevo DataFrame
df3
. Ahora que ya tenemos df3
con una apariencia similar a df1
, podemos utilizar pd.merge para cruzar los dos dfs por el campo Ciudad
data = [[ciudad.strip(),row['Pais']] for index, row in df2.iterrows() for ciudad in row['Ciudades'].split('-')]
df3 = pd.DataFrame(data = data,columns = ['Ciudad','Pais'] )
df3
>>>
Ciudad Pais
0 Bogota Colombia
1 Cali Colombia
2 Medellin Colombia
3 Pasto Colombia
4 Bucaramanga Colombia
5 Dijon Francia
6 Paris Francia
7 Marsella Francia
8 Estrasburgo Francia
9 Birmingham Inglaterra
10 Londres Inglaterra
11 Hastings Inglaterra
12 Roma Italia
13 Turim Italia
14 Bari Italia
15 Venecia Italia
16 Florencia Italia
17 Buenos Aires Argentina
18 Mendoza Argentina
19 Rosaro Argentina
20 Bariloche Argentina
21 Madrid España
22 Barcelona España
23 Valencia España
24 Sevilla España
df = pd.merge(df3,df1,on='Ciudad')
df
>>>
Ciudad Pais
0 Bogota Colombia
1 Venecia Italia
2 Madrid España
3 Sevilla España
pd: Cuando se utiliza pandas, no se recomienda el uso de .iterrows()
, siempre es mejor tratar de evitarlo.