我有两个数据框,一个保存数据集的大部分数据,第二个保存一些我以后获得的其他数据。
鉴于下面的示例,我想将df_main.b
中存储的值替换为df_additional.b
中的值,我应该知道使用{{1}列下的映射来使用哪些值},存在于两个数据帧中。
order_id
请注意In [385]: df_main = pd.DataFrame({'order_id':['A1', 'A2', 'A3', 'A4', 'A5', 'A6', 'A7'], 'b':[1,2,3,4,5,6,7], 'c':np.random.randn(7), 'd':np.random.randn(7)})
In [386]: df_additional = pd.DataFrame({'order_id':['A1', 'A2', 'A3', 'A5', 'A6', 'A7', 'A8'], 'b':['a','b','c','d','e','f','g']})
In [387]: df_main
Out[387]:
b c d order_id
0 1 0.460474 -1.092239 A1
1 2 0.872538 1.819610 A2
2 3 -0.343626 -2.493006 A3
3 4 0.489427 0.074341 A4
4 5 -1.690572 0.162746 A5
5 6 -0.851540 0.543129 A6
6 7 -0.559258 -0.170457 A7
In [388]: df_additional
Out[388]:
b order_id
0 a A1
1 b A2
2 c A3
3 d A5
4 e A6
5 f A7
6 g A8
中的值与df_main.order_id
的值不同。
我希望df_additional.order_id
针对df_main.b
而不是np.nan
中出现的这些订单转到df_main
(例如df_additional
,因此{{} 1}}应转向'A4'
)
我还希望忽略df_main['b'][3]
中存在且np.nan
中不存在的所有订单,df_additional
中无法添加任何新订单。
最终输出应为:
df_main
感谢您的帮助
修改
我已使用df_main
尝试了以下结果:
>>> final_version
b c d order_id
0 a 0.460474 -1.092239 A1
1 b 0.872538 1.819610 A2
2 c -0.343626 -2.493006 A3
3 NaN 0.489427 0.074341 A4
4 d -1.690572 0.162746 A5
5 e -0.851540 0.543129 A6
6 f -0.559258 -0.170457 A7
事情一直很好,直到某一点,但似乎比较是按元素进行的,因此在某些时候失败(np.where()
),从那时起,所有比较都会失败。是否可以对In [389]: df_main.b = np.where(df_main.order_id == df_additional.order_id, df_additional.b, np.nan)
In [390]: df_main
Out[390]:
b c d order_id
0 a 0.460474 -1.092239 A1
1 b 0.872538 1.819610 A2
2 c -0.343626 -2.493006 A3
3 NaN 0.489427 0.074341 A4
4 NaN -1.690572 0.162746 A5
5 NaN -0.851540 0.543129 A6
6 NaN -0.559258 -0.170457 A7
中的所有'A4' != 'A5'
值使用某种形式的isin
,获取索引并为该索引检索order_id
值(?)
答案 0 :(得分:2)
您正在寻找merge
:
pd.merge(df_additional, df_main, how='right', on='order_id')
#Out[13]:
# b_x order_id b_y c d
#0 a A1 1 -2.532221 0.702512
#1 b A2 2 2.550224 -0.649286
#2 c A3 3 0.737817 0.999865
#3 d A5 5 -0.484483 1.153589
#4 e A6 6 0.526035 0.335695
#5 f A7 7 -0.901915 -1.312429
#6 NaN A4 4 -0.905911 0.865345
答案 1 :(得分:0)
如果从df_additional
中的order_id列创建索引,则可以使用join()df_additional.set_index('order_id', inplace=True)
df_main.join(df_additional, on='order_id', how='left')
或者如果你可以从两侧的order_id列创建索引,那么就有一个简单的系列赋值。
df_main.set_index('order_id', inplace=True)
df_additional.set_index('order_id', inplace=True)
df_main['b_add'] = df_additional['b']
如果您需要第二种情况的示例,请点击此处 10 Minutes to pandas