Question

我目前正尝试使用另一个数据框和一系列数据替换一个数据框的信息，以进行仿真分析。

玩具示例如下

A是用户信息数据框，B是服务信息数据框，C是有关用户是否更改服务的系列信息。

TableA (user's current service info):
        cost   location
John    100    Tokyo
Tom     50     Seoul
Andy    50     Seoul
Mark    80     Seoul

TableB (service info):
             cost    location
premium_T    100     Tokyo
basic_T      60      Tokyo
premium_S    80      Seoul
basic_S      50      Seoul

Table C (service change info):
        change        
John    no  
Tom     no     
Andy    premium_S      
Mark    basic_S

使用上述数据，我想使用表B和C中的数据来更改表A中的信息。换句话说，我希望：

TableA' (modified user's service info):
        cost   location
John    100    Tokyo
Tom     50     Seoul
Andy    80     Seoul
Mark    50     Seoul

我使用的代码是：

TableA = pd.DataFrame(index = ['John', 'Tom', 'Andy', 'Mark'], 
                      data = {'cost': [100,50,50,80],
                     'location': ['Tokyo', 'Seoul', 'Seoul', 'Seoul']})

TableB = pd.DataFrame(index = ['premium_T', 'basic_T', 'premium_S', 'basic_S'],
                      data = {'cost': [100, 60, 80, 50],
                     'location': ['Tokyo','Tokyo','Seoul','Seoul']})  

TableC = pd.Series( ['no', 'no', 'premium_S', 'basic_S'], index = ['John', 'Tom', 'Andy', 'Mark'])

customer_list = TableA.index.tolist()

for k in customer_list:
    if TableC.loc[k] != 'no':
        TableA.loc[k] = TableB.loc[TableC.loc[k]]

该代码有效，并提供了我想要的结果。

但是，我必须重复处理非常大的数据集，并且我需要更快的方法来进行此类替换。

有什么想法吗？我认为重复使用.loc是问题所在，但我尚未找到可能的解决方案。我看过pd.update（）或pd.replace（），但这似乎不是我想要的。

提前谢谢

Answer 1

如果我们将所有内容都转换为具有命名列的数据框，则可以使用合并获取正确的信息：

TableA = TableA.reset_index().rename({'index': 'person'}, axis='columns')
TableB = TableB.reset_index().rename({'index': 'cost_plan'}, axis='columns')
TableC = TableC.to_frame(name='cost_plan').reset_index().rename({'index': 'person'}, axis='columns')

new_costs = TableA.merge(TableC, how='left').merge(TableB, how='left',
                                                   on=['location', 'cost_plan'],
                                                   suffixes=['_old', '_new'])

new_costs['cost_new'].fillna(new_costs['cost_old'], inplace=True)

new_costs如下所示：

  person  cost_old location  cost_plan  cost_new
0   John       100    Tokyo         no     100.0
1    Tom        50    Seoul         no      50.0
2   Andy        50    Seoul  premium_S      80.0
3   Mark        80    Seoul    basic_S      50.0

Answer 2

首先使用TableC和布尔索引从reindex计算范围内的客户：

idx = TableC.reindex(TableA.index & TableC.index)
idx = idx[idx != 'no']

然后通过TableA更新loc：

TableA.loc[np.in1d(TableA.index, idx.index)] = TableB.reindex(idx.values).values

结果：

       cost location
John  100.0    Tokyo
Tom    50.0    Seoul
Andy   80.0    Seoul
Mark   50.0    Seoul

使用其他数据框和系列快速替换熊猫数据框的信息

2 个答案: