Question

我有3个数据框：df1，df2，df3。我正在尝试使用NaN中包含的某些值填充df1 df2个值。从df2中选择的值也会根据处理mul_val中存储的某些数据的简单函数（df3）的输出进行选择。

我能够得到这样的结果，但我希望以更简单，更简单的方式和更易读的代码找到。

这是我到目前为止所做的：

import pandas as pd
import numpy as np

# simple function
def mul_val(a,b):
    return a*b

# dataframe 1
data = {'Name':['PINO','PALO','TNCO' ,'TNTO','CUCO' ,'FIGO','ONGF','LABO'],
        'Id'  :[  10  ,  9   ,np.nan ,  14   , 3    ,np.nan,  7   ,np.nan]}
df1 = pd.DataFrame(data)

# dataframe 2
infos = {'Info_a':[10,20,30,40,70,80,90,50,60,80,40,50,20,30,15,11],
         'Info_b':[10,30,30,60,10,85,99,50,70,20,30,50,20,40,16,17]}
df2 = pd.DataFrame(infos)

dic = {'Name': {0: 'FIGO', 1: 'TNCO'}, 
       'index': {0: [5, 6], 1: [11, 12, 13]}}
df3 = pd.DataFrame(dic)

#---------------Modify from here in the most efficient way!-----------------

for idx,row in df3.iterrows():
    store_val = []
    print(row['Name'])
    for j in row['index']:
        store_val.append([mul_val(df2['Info_a'][j],df2['Info_b'][j]),j])
    store_val = np.asarray(store_val)

    # - Identify which is the index of minimum value of the first column
    indx_min_val = np.argmin(store_val[:,0])

    # - Get the value relative number contained in the second column
    col_value = row['index'][indx_min_val]

    # Identify value to be replaced in df1
    value_to_be_replaced = df1['Id'][df1['Name']==row['Name']]

    # - Replace such value into the df1 having the same row['Name']
    df1['Id'].replace(to_replace=value_to_be_replaced,value=col_value, inplace=True)

通过在每次迭代中打印store_val，我得到：

FIGO
[[6800    5]   
 [8910    6]]
TNCO
[[2500   11]
 [ 400   12]
 [1200   13]]

我们举一个简单的例子：考虑FIGO，我将6800标识为6800和8910之间的最小数字。因此，我选择5中放置的号码df1。对剩余的df3行重复这样的操作（在这种情况下，我只有2行，但它们可能会更多），最终结果应该是这样的：

In[0]: before           In[0]: after
Out[0]:                 Out[0]: 
     Id  Name                Id  Name
0  10.0  PINO           0  10.0  PINO
1   9.0  PALO           1   9.0  PALO
2   NaN  TNCO  ----->   2  12.0  TNCO
3  14.0  TNTO           3  14.0  TNTO
4   3.0  CUCO           4   3.0  CUCO
5   NaN  FIGO  ----->   5   5.0  FIGO
6   7.0  ONGF           6   7.0  ONGF
7   NaN  LABO           7   NaN  LABO

Nore：如果需要，你也可以删除for循环，并使用不同类型的格式来存储数据（列表，数组......）;重要的是，最终结果仍然是数据帧。

Answer 1

我可以提供两个类似的选项，它们可以在几行中实现与循环相同的结果：

1.使用申请和fillna()（fillna比combine_first快两倍）：

  df3['Id'] = df3.apply(lambda row: (df2.Info_a*df2.Info_b).loc[row['index']].argmin(), axis=1)
  df1 = df1.set_index('Name').fillna(df3.set_index('Name')).reset_index()

2.使用一个函数（lambda不支持赋值，所以你必须应用一个函数）

def f(row):
    df1.ix[df1.Name==row['Name'], 'Id'] = (df2.Info_a*df2.Info_b).loc[row['index']].argmin()
df3.apply(f, axis=1)

或不依赖全局定义的轻微变体：

def f(row, df1, df2):
    df1.ix[df1.Name==row['Name'], 'Id'] = (df2.Info_a*df2.Info_b).loc[row['index']].argmin()
df3.apply(f, args=(df1,df2,), axis=1)

请注意，您的解决方案，即使更详细，也会花费最少的时间来处理这个小数据集（7.5毫秒，而我的两个都是9.5毫秒）。有意义的是速度是相似的，因为在这两种情况下，它都是df3

行的循环问题。

使用Pandas将数据框中的值替换为另一个数据框

1 个答案: