基于另一个表更新熊猫数据框中的多列

Question

我有 2 个这样的 CSV 文件，想通过匹配两个数据帧中的列（测试，cond）来更新基于 df2(LL,UL) 的 df1 列 (LL,UL)
df1：

test Cond day  mode LL UL  
a    T1   Tue  7  
b    T2   mon  7  
c    T2   sun  6  
d    T3   fri  3  
c    T2   sat  6  
d    T3   wed  3  

df2:-

test Cond LL   UL  
a    T1   15   23  
b    T2   -3   -3.5  
c    T2   -19  -11  
d    T3   6.5  14.5  

我的预期输出应该是：-

def SpecsLL(cond1,test1):
if ((cond1==spec['Cond'] ) & (test1==spec['test'])):
    return df2['LL']
df1['LL'] = df1.apply(lambda x: SpecsLL(x['Cond'],x['test']),axis=1)

我已经尝试过上面的代码但没有工作。
关于如何做到这一点的任何想法？？

Answer 1

方法一：combine_first

index_cols = ['test', 'Cond']
(
    df1
    .set_index(index_cols)
    .combine_first(
        df2.set_index(index_cols)
    ).reset_index()
)

说明：

• set_index 将指定的列移动到索引中，表示每一行都应由其 test 和 Cond 列标识。
• foo.combine_first(bar) 将识别 foo 和 bar 之间匹配的索引 + 列标签，并在 bar 为 NaN 或有列的任何地方填充 foo 中的值/行丢失。在这种情况下，由于 set_index，两个数据帧的行将匹配，其中 test 和 Cond 相同，然后 UL 和 {{1} } LL 中的值将填充到输出的相应列中。
• df2 只是反转 reset_index 调用，使 set_index 和 test 再次成为常规列。

请注意，此操作可能会破坏列的顺序，因此如果这对您很重要，那么您可以在最后调用 Cond，这会将列重新排序为 .reindex(df1.columns, axis=1) 中的原始顺序.

方法 2：df1

或者，您可以使用 merge 方法，该方法允许您直接对列进行操作而无需使用 merge，但需要一些其他预处理：

set_index

index_cols = ['test', 'Cond'] ( df1 .drop(['LL', 'UL'], axis=1) .merge( df2, on=index_cols ) ) 调用是必要的，否则 .drop 将在输出中包含来自两个 DataFrame 的 merge 和 UL 列：

LL

使用哪个？

根据您提供的数据， test Cond day mode LL_x UL_x LL_y UL_y 0 a T1 Tue 7 NaN NaN 15.0 23.0 1 b T2 mon 7 NaN NaN -3.0 -3.5 2 c T2 sun 6 NaN NaN -19.0 -11.0 3 c T2 sat 6 NaN NaN -19.0 -11.0 4 d T3 fri 3 NaN NaN 6.5 14.5 5 d T3 wed 3 NaN NaN 6.5 14.5 似乎是更自然的操作 - 如果您从不期望 UL 和 LL 在 merge 中有任何数据，那么如果可能我建议简单地从输入 CSV 中完全删除这些列标题，以便 df1 根本没有这些列。在这种情况下，将不再需要 df1 调用，并且所需的 drop 调用非常具有表现力。

但是，如果您希望 merge 有时具有 df1 或 UL 的实际值，并且您希望在输出中包含这些值，那么 LL解决方案就是你想要的。请注意，如果 combine_first 和 df1 对于特定行/列具有不同的非空值，则 df2 将从 df1.combine_first(df2) 中选择值并忽略 {{ 1}} 值。如果您想优先处理来自 df1 的值，那么您可以反过来调用它，即 df2。

Answer 2

只需使用熊猫的合并功能

df1.merge(df2)