Question

我尝试部分加入两个数据帧：

import pandas
import numpy
entry1= pandas.datetime(2014,6,1)
entry2= pandas.datetime(2014,6,2)
df1=pandas.DataFrame(numpy.array([[1,1],[2,2],[3,3],[3,3]]), columns=['zick','zack'], index=[entry1, entry1, entry2, entry2])   
df2=pandas.DataFrame(numpy.array([[2,3],[3,3]]), columns=['eins','zwei'], index=[entry1, entry2])

我试过

df1 = df1[(df1['zick']>= 2) & (df1['zick'] < 4)].join(df2['eins'])

但这不起作用。在加入df1 [＆＃39; eins＆＃39;]的值后，预计为[NaN，2,3,3]。怎么做？我希望它没有df副本。

Answer 1

我认为这就是你真正想要使用的东西：

df1 = df1.join(df2['eins'])
mask = (df1['zick']>= 2) & (df1['zick'] < 4)
df1.loc[~mask, 'eins'] = np.nan
df1

得到以下特性：

            zick  zack  eins
2014-06-01     1     1   NaN
2014-06-01     2     2     2
2014-06-02     3     3     3
2014-06-02     3     3     3

您遇到的问题是您要加入过滤的数据框，而不是原始数据框，NaN没有出现的位置（每个单元格都满足您的过滤器）。

编辑：

在下面的评论中考虑新的输入，这是另一种方法。

创建一个空列，需要使用第二个数据帧中的值进行更新：

df1['eins'] = np.nan
print df1
print df2

            zick  zack  eins
2014-06-01     1     1   NaN
2014-06-01     2     2   NaN
2014-06-02     3     3   NaN
2014-06-02     3     3   NaN

            eins  zwei
2014-06-01     2     3
2014-06-02     3     3

设置过滤器并使满足过滤器的column_to_be_updated中的值等于0.

mask = (df1['zick']>= 2) & (df1['zick'] < 4)
df1.loc[(mask & (df1['eins'].isnull())), 'eins'] = 0
print df1

            zick  zack  eins
2014-06-01     1     1   NaN
2014-06-01     2     2     0
2014-06-02     3     3     0
2014-06-02     3     3     0

使用df2值更新inplace您的df1（仅更新值等于0）：

df1.update(df2, filter_func=lambda x: x == 0)
print df1

            zick  zack  eins
2014-06-01     1     1   NaN
2014-06-01     2     2     2
2014-06-02     3     3     3
2014-06-02     3     3     3

现在，如果您想更改过滤器并再次执行更新，则不会更改以前更新的值：

mask = (df1['zick']>= 1) & (df1['zick'] == 1)
df1.loc[(mask & (df1['eins'].isnull())), 'eins'] = 0
print df1

            zick  zack  eins
2014-06-01     1     1     0
2014-06-01     2     2     2
2014-06-02     3     3     3
2014-06-02     3     3     3

df1.update(df2, filter_func=lambda x: x == 0)
print df1

            zick  zack  eins
2014-06-01     1     1     2
2014-06-01     2     2     2
2014-06-02     3     3     3
2014-06-02     3     3     3

条件连接Pandas.Dataframe

1 个答案: