用来自另一个不同大小的 df 的行替换 Pandas df 中的行答案

【问题标题】：Replace rows in a Pandas df with rows from another df of different size用来自另一个不同大小的 df 的行替换 Pandas df 中的行
【发布时间】：2018-09-07 11:25:18
【问题描述】：

我有 2 个 Pandas dfs，A 和 B，有一些匹配的列，但行数不同。我想根据某些条件将匹配列的值从 B 复制到 A。我试过这个：

s1 = pd.Series([5, 1, 'a'])
s2 = pd.Series([6, 2, 'b'])
s3 = pd.Series([7, 3, 'd'])
s4 = pd.Series([8, 4, 'e'])
s5 = pd.Series([9, 5, 'f'])

df1 = pd.DataFrame([list(s1), list(s2),list(s3),list(s4),list(s5)],  columns =  ["A", "B", "C"])

s1 = pd.Series([5, 6, 'p'])
s2 = pd.Series([6, 7, 'q'])
s3 = pd.Series([7, 8, 'r'])
s4 = pd.Series([8, 9, 's'])
s5 = pd.Series([9, 10, 't'])

df2 = pd.DataFrame([list(s1), list(s2),list(s3),list(s4),list(s5)],  columns =  ["A", "B", "C"])

df1.loc[df1.A.isin(df2.A), ['B', 'C']] = df2[['B', 'C']]
print (df1)
   A   B  C
0  5   6  p
1  6   7  q
2  7   8  r
3  8   9  s
4  9  10  t

这在行数相同时有效，但如果 B 的行数较少，则索引未对齐，我在最终的 df 中得到 NaN。例如，df2 的行数少了，行索引没有对齐

df2 = pd.DataFrame([list(s1), list(s2),list(s4),list(s5)],  columns =  ["A", "B", "C"])

df1.loc[df1.A.isin(df2.A), ['B', 'C']] = df2[['B', 'C']]

print (df1)
       A     B    C
    0  5   6.0    p
    1  6   7.0    q
    2  7   8.0    r
    3  8  10.0    t
    4  9   NaN  NaN

如果 A 列中的值相同，如何执行此操作并复制该值？

【问题讨论】：

标签： pandas

【解决方案1】：

您似乎在寻找pd.update 帮助示例，

df = pd.DataFrame({'A': [1, 2, 3],
                'B': [400, 500, 600]})
new_df = pd.DataFrame({'B': [4, np.nan, 6]})
df.update(new_df)

df

结果

   A      B
0  1    4.0
1  2  500.0
2  3    6.0

帮助示例，但请注意索引很重要。您使用的是初始值顺序的默认索引，但如果您要从具有不同长度的数据框中更新值，则要更新哪些行可能很重要。

【讨论】：

【解决方案2】：

我发现解决这个问题的唯一方法如下：

df = df1.merge(df2, how='left', left_on='A', right_on = 'A')

def select(row, field):
    if row['{}_y'.format(field)] is np.nan:
        return row['{}_x'.format(field)]
    else:
        return row['{}_y'.format(field)]

df['C'] = df[['C_x', 'C_y']].apply(select, field='C', axis=1)
df['B'] = df[['B_x', 'B_y']].apply(select, field='B', axis=1)

看似迂回，但想不出更好的解决方案。

【讨论】：