我知道了。 2个熊猫数据框：
df1 = pandas.DataFrame(data = {'col1' : [1, 2, 3, 4, 5], 'col2' : [10, 11, 12, 13, 14], 'col3' : [0,2,0,-1,0]})
df2 = pandas.DataFrame(data = {'col1' : [1, 2, 3], 'col2' : [10, 11, 12], 'col6' : [20, 31, 12]})
如果col1 和col2 在df1 和df2 中的值相同，我如何将df1 中col3 中的值更改为0。 df1 的结果应如下所示：
col1 col2 col3
0 1 10 0
1 2 11 0
2 3 12 0
3 4 13 -1
4 5 14 0
【问题讨论】：
如果合并 col1 和 col2 上的两个 DataFrame，则生成的 DataFrame 将包含两个 DataFrame 在这些列中具有相同值的行。但是，pandas loses the index 合并时。您可以在合并之前使用reset_index 来保留索引并在.loc 中使用该索引：
df1.loc[df1.reset_index().merge(df2, on=['col1', 'col2'])['index'], 'col3'] = 0
df1
Out:
col1 col2 col3
0 1 10 0
1 2 11 0
2 3 12 0
3 4 13 -1
4 5 14 0
【讨论】：
一个快速的 numpy 解决方案。 i 获取来自df1 的一行和来自df2 的另一行的每个组合的索引。我使用== 来确定哪些单元格相等。 all(2) 确定一行中的所有单元格是否等于另一行中的所有单元格。如果为真，则相应的索引集表示匹配。所以，i[0][matches] 告诉我来自df1 的所有行与df2 中由i[1][matches] 表示的行匹配。但我只需要更改df1 中的值，所以我只使用i[0][matches] 对第三列的df1 进行切片，然后分配0。
def pir(df1, df2):
i = np.indices((len(df1), len(df2)))
matches = (df2.values[i[1], :2] == df1.values[i[0], :2]).all(2)
df = df1.copy()
df.iloc[i[0][matches], 2] = 0
return df
pir(df1, df2)
def ayhan(df1, df2):
df1 = df1.copy()
df1.loc[df1.reset_index().merge(df2, on=['col1', 'col2'])['index'], 'col3'] = 0
return df1
【讨论】：
merge 也应该表现更好。