Question

我有一个数据框：

dict1 = {'Name': ['abc', 'def', 'ghi' , 'jkl'], 'Group': ['Group1', 'Group2', np.nan, np.nan], 'Class' : ['ClassA', 'ClassB' , np.nan, np.nan]}
df1 = pd.DataFrame(dict1)
df1:
    Class   Group Name
0  ClassA  Group1  abc
1  ClassB  Group2  def
2     NaN     NaN  ghi
3     NaN     NaN  jkl

这里我想通过从另一个 df 中查找名称及其相应的组和类值来替换 NaN 值：

dict2 = {'Name': ['ghi', 'jkl'], 'Group': ['Group3', 'Group4'], 'Class':['ClassC', 'ClassD']}
df2 = pd.DataFrame(dict2)
df2:
    Class   Group Name
0  ClassC  Group3  ghi
1  ClassD  Group4  jkl

所以基本上我想通过查看 df2 中的映射来替换 df1 值。所以我的 df1 应该是这样的：

df1:
    Class   Group Name
0  ClassA  Group1  abc
1  ClassB  Group2  def
2  ClassC  Group3  ghi
3  ClassD  Group4  jkl

我尝试过 df.loc，但我不知道如何让它在这种情况下工作。

Answer 1

通过 append() 和 dropna() 尝试：

out=df1.append(df2).dropna(subset=['Group','Class'])
#you can also use pd.concat() in place of append() method

或

通过 merge()、fillna() 和 drop()：

out=df1.merge(df2,on='Name',how='left',suffixes=('','_y'))
out=out.fillna({'Group':out['Group_y'],'Class':out['Class_y']})
out=out.drop(out.filter(like='_').columns,1)

out 的输出：

    Name    Group   Class
0   abc     Group1  ClassA
1   def     Group2  ClassB
2   ghi     Group3  ClassC
3   jkl     Group4  ClassD

Answer 2

您可以尝试这样做：

dfNew=df1.merge(df2,on='Name',how='outer',suffixes=('','_y'))
dfNew['Group']=dfNew['Group'].fillna(dfNew['Group_y'])
dfNew['Class']=dfNew['Class'].fillna(dfNew['Class_y'])
dfNew=dfNew.drop(dfNew.filter(like='_').columns,1)

Out[35]: 
  Name   Group   Class
0  abc  Group1  ClassA
1  def  Group2  ClassB
2  ghi  Group3  ClassC
3  jkl  Group4  ClassD

如何从另一个 df 填充 Pandas df 中列的值？

2 个答案: