映射数据框

Question

我试图根据另一个数据框中的值替换一个数据框中的列中的值。

这是我的df中要修改的列的前三行：

这是另一个称为“区域”的数据框。这具有更新我的df所需的信息。

在此示例中，所需的输出将偶然出现，就像区域df的“县”列一样。但是此映射过程必须在40,000列以上进行，并且不会遵循此模式，因为我df中的值包含区域df的随机值。

到目前为止，我编写的代码是创建一个以县为键的字典：

districts = dict(zip(areas['County'], areas['CC']))

{'Aveiro'：'Águeda'，'Beja'：'Aljustrel'，'Braga'：'Vizela'}

我在这里可能是正确的，但我无法弄清楚如何从“ CC”和“ FR”列中获取值。如果我能够拥有一个以县（县）和值（县的CC和FR）为键的字典，那么我将能够轻松地绘制DF。当然，我非常愿意接受其他解决方案！

所需的输出：

Answer 1

简单合并怎么样？

my_df = my_df.merge(areas, on = 'County', how = 'left')

编辑：

如果第一个数据帧中的County列对应于FR数据帧中的areas列（在这里似乎是这种情况），那么yu应该这样做：

my_df = my_df.merge(areas, left_on = 'County', right_on = 'FR', how = 'left')

EDIT＃2：

基于提供的更多信息：

# assuming only one column will match with first dataframe `County` column
import numpy as np

df['in_county'] = df['County'].map(dict(zip(areas.County, areas.County)))
df['in_cc'] = df['County'].map(dict(zip(areas.CC, areas.County)))
df['in_fr'] = df['County'].map(dict(zip(areas.FR, areas.County)))
df.drop('County', axis=1, inplace = True)
output = df.replace(np.nan, '').apply(lambda x: ''.join(x), axis = 1)
output = pd.DataFrame(output, columns = ['County'])