Question

我有两个数据数组，如下所示。

我只需要查看A和B值，并匹配f_code（Data2中为F）和b_ID（Data2中为B）。如果它们匹配，我用Data2中该行的A或B值替换Data1中的“值”。因此，我想以一个新的Data1结尾，其中的“值”列反映了Data2中的数字。

我一直试图通过掩盖不匹配的位置来找到两个匹配的位置，但是很难最终得到原始的Data1，而只是需要修改的部分。< / p>

Data1_masked = Data1[Data1['F_Code'].isin(Data2['F'])]

我也考虑过编写for循环，但是我是Python的新手，所以我没有以正确的方式编写它

for a in Data1['F_Code']:
    for b in Data1['B_ID']:
        if a.isin(Data2['F']) and b.isin(Data2('B') and FF10['poll'].loc[a] == 'A'
              FF10['Value'] = Data2['A']
 for a in Data1['F_Code']:
    for b in Data1['B_ID']:
        if a.isin(Data2['F']) and b.isin(Data2('B') and FF10['poll'].loc[a] == 'B'
              FF10['Value'] = Data2['B']

数据1

Species Value   F_Code  B_ID
C   0.00219819  55933   A1
A   0.382345    55933   A1
B   0.023   55933   A1
C   0.001973105 55933   A2
A   0.313388    55933   A2
B   0.00643 55933   A2
C   0.0733  6002    1
A   2377.9  6002    1
B   2354.1  6002    1
C   0.0738  6002    2
A   2998.6  6002    2
B   531 6002    2
C   0.0739  6002    3
A   3340    6002    3
B   510 6002    3
C   0.0781  6002    4
A   2307.2  6002    4
B   326.5   6002    4
A   0.00203     
B   7.47E-05        
C   0.13872 55510   GT-1
A   1.95    55510   GT-1
B   0.11    55510   GT-1
C   0.05    55542   2
A   2.3 55542   2
B   0.1 55542   2
C   0.05    55542   1
A   2.28    55542   1
B   0.09    55542   1

数据2

F   B   A   B
6002    1   2.54E+06    3.37E+05
6002    2   3.42E+06    4.70E+05
6002    3   5.35E+06    4.99E+05
6002    4   4.71E+06    4.84E+05
55510   GT-1    1.87E+03    1.03E+02
55542   1   6.72E+03    2.30E+02
55542   2   6.98E+03    2.47E+02
55933   A1  2.50E+04    1.42E+03
55933   A2  2.79E+04    1.56E+03

Answer 1

稍微清理一下第二个DataFrame，这样您就可以将它们合并在一起，并在三列匹配时替换Value列。这里重要的一步是.stack()，它将使df2中的一行代表不同的Species, Facility, Boiler组合，这就是df1的组织方式。

# Clean df2
df2 = (df2.rename(columns={'a': 'A'})
          .set_index(['F', 'B'])
          .stack()
          .reset_index()
          .rename(columns={'level_2': 'Species', 0: 'Value', 
                           'F': 'f_code',
                           'B': 'B_ID'}))

# Bring information to df1
ids = ['f_code', 'B_ID', 'Species']
df1 = df1.merge(df2, on=ids, how='left', suffixes=['', '_repl'])

# Replace value where necessary, then drop the column we no longer need
df1.loc[df1.Value_repl.notnull(), 'Value'] = df1.loc[df1.Value_repl.notnull(), 'Value_repl']
df1 = df1.drop(columns='Value_repl')

输出：df1

   Species          Value  f_code B_ID
0      C       0.002198   55933.000000      TPP1
1      A   25000.000000   55933.000000      TPP1
2      B    1420.000000   55933.000000      TPP1
3      C       0.001973   55933.000000      TPP2
4      A   27900.000000   55933.000000      TPP2
5      B    1560.000000   55933.000000      TPP2
6      C       0.073300    6002.000000         1
7      A 2540000.000000    6002.000000         1
8      B  337000.000000    6002.000000         1
9      C       0.073800    6002.000000         2
10     A 3420000.000000    6002.000000         2
11     B  470000.000000    6002.000000         2
12     C       0.073900    6002.000000         3
13     A 53C.000000    6002.000000         3
14     B  499000.000000    6002.000000         3
15     C       0.078100    6002.000000         4
16     A 4710000.000000    6002.000000         4
17     B  484000.000000    6002.000000         4
18     A       0.002030            nan       NaN
19     B       0.000075            nan       NaN
20     C       0.138720   55510.000000      GT-1
21     A    1870.000000   55510.000000      GT-1
22     B     103.000000   55510.000000      GT-1
23     C       0.0C   55542.000000         2
24     A    6980.000000   55542.000000         2
25     B     247.000000   55542.000000         2
26     C       0.0C   55542.000000         1
27     A    6720.000000   55542.000000         1
28     B     230.000000   55542.000000         1

如果三列匹配，则将一个数据框中的值替换为另一数据框中的值

1 个答案: