pythonのpandasを使って、ある列の値を他のファイルの値に置換したい

Question

pythonのpandasを使って、ある列の値を他のファイルの値に置換しようとしております。

file1の'sample_name'の列には
sample1
sample2
sample3
sample4
sample8
sample8
...
のようにsample1からsample30が重複、欠失ありで並んでいます。（行数自体は30より多くなっています。）

file2にはsample1からsample30に対応したsample名が

CNV_2nd_050_9
CNV_2nd_051_19
CNV_2nd_052_031M
CNV_2nd_053_031
CNV_2nd_054_041
CNV_2nd_055_041-2
...

のように30個羅列してあります。

file1の'sample_name'の列をfile2のsample名に置換しようとしています。

pandasのmergeを使って置換しようとしたのですが、
TypeError: object of type 'NoneType' has no len()
のようなエラーが出てしまいました。
mapメソッドでもできそうだと思いましたが、辞書形式に直すのも大変そうなので何かいい方法がないかと悩んでいます。

何かいい方法をご存知でしたら、教えていただければと思います。
できればpythonの方法を教えていただけますと幸いです。

よろしくお願い致します。

Comments

[8524ba23]

現在出来ているソースコードを追記ください。

[ars_lon]

失礼いたしました。pd.merge(df1,df2,left_on='sample_name',how='right')を実行した結果、エラーが出ました。df1がfile1,df2がfile2です。

[8524ba23]

それだけだは何がなんだかわからないので、もう少し広範囲のソースコードを本文に追記ください

Answer 1

file2にはfile1のsample_name対応するキー情報がないのでDataFrameとして読み込んだだけでは役に立ちません。
sample1->CNV_2nd_050_9のような対応表を自力で作成する必要があります。
私ならfile2はリストとして読込、リストから辞書を作成して以下のように処理します。

import pandas as pd
import numpy as np

# file1をDataFrameに読込む。省略
df = pd.DataFrame({'sample_name':['sample1','sample3', np.NaN, 'sample1']})
print(df)

# file2をリストに読込む。省略
l2 = ['CNV_2nd_050_9','CNV_2nd_051_19','CNV_2nd_052_031M']
# 'sample1':'CNV_2nd_050_9'のカタチの辞書にする
dic = {'sample{}'.format(i+1):v for i,v in enumerate(l2)}
print(dic)

# 'sample1' -> 'CNV_2nd_050_9'に置き換える
def toSample(row):
    sample_name = row['sample_name']
    if sample_name in dic:
        row['sample_name'] = dic[sample_name]
    return row

df = df.apply(toSample,axis=1)
print(df)
"""
        sample_name
0     CNV_2nd_050_9
1  CNV_2nd_052_031M
2               NaN
3     CNV_2nd_050_9
"""

Comments

[ars_lon]

ご回答ありがとうございます。やはり、対応づけが必要ですよね。
ありがとうございました！