根据另一个数据框的列名和索引值填充数据框

Question

我有一个数据框dataframe_1，看起来像这样：

    0   1   2   3   4   5  ...  192
0   12  35  60  78  23  90      32

另一个数据帧dataframe_2看起来像这样：

    58   59   60    61   62 ... 350     
0   1    4    192   4    4      1
1   0    3    3     5    3      4
2   3    1    4     2    2      192

dataframe_2中的值是dataframe_1中的列名。我想做的是根据dataframe_1的列名更改dataframe_2中的值，例如：

    58   59   60   61   62 ... 350     
0   35   23   32   23   23     35
1   12   78   78   90   78     23
2   78   35   23   60   60     32

我尝试使用.loc进行for循环，但是没有用。 任何帮助将不胜感激！

Answer 1

stack和map

# if necessary, cast,
# df1.columns = df1.columns.astype(int)

df2.stack().map(df1.iloc[0]).unstack()

   58  59  60  61  62  350
0  35  23  32  23  23   35
1  12  78  78  90  78   23
2  78  35  23  60  60   32

堆栈df2，因此我们可以调用Series.map来使用df1执行一次矢量化替换。

---

apply和map

df2.apply(pd.Series.map, args=(df1.iloc[0],))

   58  59  60  61  62  350
0  35  23  32  23  23   35
1  12  78  78  90  78   23
2  78  35  23  60  60   32

我们不用堆叠来获得系列，而是对每列应用map操作。

Answer 2

使用replace

d2.replace(dict(zip(d1.columns,d1.iloc[0])))

Answer 3

您可以从df1定义一个字典，并用它来替换{​​{3}} df2中的值：

d = dict(zip(df1.columns, df1.values.ravel()))
df2.replace(d)

   58  59  60  61  62  350
0  35  23  32  23  23   35
1  12  78  78  90  78   23
2  78  35  23  60  60   32

---

或者堆叠df1然后替换：

df2.replace(df1.stack().droplevel(0))

   58  59  60  61  62  350
0  35  23  32  23  23   35
1  12  78  78  90  78   23
2  78  35  23  60  60   32

Answer 4

创建一个查找表并使用基础的numpy array映射值。假定列名称为整数。

u = np.zeros(df1.columns.max()+1, dtype=int)
u[df1.columns] = df1.iloc[0].values

u[df2.values]

array([[35, 23, 32, 23, 23, 35],
       [12, 78, 78, 90, 78, 23],
       [78, 35, 23, 60, 60, 32]])

---

如果某些值可能与df1中的值不匹配：

u = np.full(df1.columns.max()+1, np.nan)
u[df1.columns] = df1.iloc[0].values

u[df2.values]

然后根据需要将fillna与df2一起使用。

Answer 5

df2.applymap(lambda x: df1.loc[0,x])