根据多个数据帧中的多个条件更新列值答案

【问题标题】：Updating column value based on multiple conditions across multiple dataframes根据多个数据帧中的多个条件更新列值
【发布时间】：2019-05-28 23:28:41
【问题描述】：

我有两个数据框，我正在尝试根据工具和位置两个条件更新 DF1 中的名称-

数据框 -

第一个

DF1

NAME    Tool    Location
-       tool_1  location_1
-       tool_15 location_2 
-       tool_19 location_3

第二个 -

DF2

NAME    Tool    Location
name51  tool_1  location_1
name42  tool_15 location_2 
name33  tool_19 location_3

我已经尝试使用 numpy where 条件检查两个值，但是收到错误提示 -

ValueError: 只能比较标签相同的 Series 对象

我了解问题是我的两个数据框中的行号不同。我尝试了一些重置索引的解决方案，但没有成功。

这是我尝试的查询 -

DF1['NAME'] = np.where((DF1.Tool == DF2.Tool) & (DF1.Location== DF2.Location), DF2.Name)

有什么办法可以解决这个问题？我无法将两个数据框都与行的确切长度相匹配。

DF1 的预期结果是 -

DF1

NAME    Tool    Location
name51  tool_1  location_1
name42  tool_15 location_2 
name33  tool_19 location_3

谢谢，

【问题讨论】：

【解决方案1】：

合并和reindex():

DF1=DF1.merge(DF2,on=['Tool','Location'],suffixes=('_x','')).reindex(DF1.columns,axis=1)

     NAME     Tool    Location
0  name51   tool_1  location_1
1  name42  tool_15  location_2
2  name33  tool_19  location_3

【讨论】：

非常感谢您的意见！如果假设我的查询看起来像这样 - DF1['NAME'] = np.where((DF1.Tool == DF2.Tool) & (DF1.Location.isin(DF2.Location)), DF2.Name)，您将如何解决。我有更多需要匹配的字符串列，但它们并不总是完全相同，只有前 2 个字符匹配
@PaulGirtavic 问题是这看起来索引明智，假设 tool15 超过 tool_1，这将给出错误，所以在这里合并是更好的选择
@PaulGirtavic 你也可以试试df1['NAME']=np.where(df1.Tool.eq(df2.Tool)&(df1.Location.isin(df2.Location)),df1.Tool.map(df2.set_index('Tool')['NAME']),df1.NAME) 但我还是更喜欢这里的合并解决方案