Question

有2个dfs

df = pd.DataFrame({'A': ['a', 'b', 'a','d','e']},index=[1,2,3,4,5])

ndf = pd.DataFrame({'A': ['a', '2', '6','e'],
                   'B': ['apple', 'pen', 'sky','duck']},index=[7,8,9,19])

df的A列应使用ndf的B列值进行更新，如下所示：如果df'A列的值的单元格== ndf's A列的值，则df'A列的单元格值不更新；除此以外： df的A列单元格值应替换为ndf的B列单元格值：

例如：更新后，A应该像这样：

pd.DataFrame({'A': ['apple', 'b', 'apple','d','duck']},index=[1,2,3,4,5])

Answer 1

您可以使用declare @tmp table (TestCaseID int, currentResultVerdict varchar(50)) insert into @tmp values (1, 'Passed') ,(2, 'Failed') ,(3, 'Blocked') ,(4, 'Blocked') ,(5, 'Inprogress') ,(6, 'Passed') ,(7, 'Passed') select sum (case when currentResultVerdict='Passed' then 1 else 0 end) as Passed ,sum (case when currentResultVerdict='Failed' then 1 else 0 end) as Failed ,sum (case when currentResultVerdict='Blocked' then 1 else 0 end) as Blocked ,sum (case when currentResultVerdict='Inprogress' then 1 else 0 end) as Inprogress from @tmp创建字典，然后使用to_dict：

replace

输出：

df.replace(ndf.set_index('A').to_dict()['B'])

详细信息：

       A
1  apple
2      b
3  apple
4      d
5   duck

Answer 2

从dict创建ndf，将其映射到df。将结果用于combine_first至df.A。

df.A.map(dict(zip(ndf.A,ndf.B))).combine_first(df.A)

1    apple
2        b
3    apple
4        d
5     duck

Step by Step

`d= dict(zip(ndf.A,ndf.B))`#Create dict

df['C']= df.A.map(d)# map dict to df.A

df.A=df.C.combine_first(df.A)#Update df.A

熊猫使用具有重复索引的另一个数据框列的单元格值更新一列

2 个答案: