我有两个数据框,一个保存数据集的大部分数据,第二个保存我在稍后的时间点获得的一些其他数据。
在下面的示例中,我想用在df_main.b
中找到的值替换df_additional.b
中存储的值,并且应该通过使用两个数据帧中在列order_id
下找到的映射来知道要使用哪些值。
In [385]: df_main = pd.DataFrame({'order_id':['A1', 'A2', 'A3', 'A4', 'A5', 'A6', 'A7'], 'b':[1,2,3,4,5,6,7], 'c':np.random.randn(7), 'd':np.random.randn(7)})
In [386]: df_additional = pd.DataFrame({'order_id':['A1', 'A2', 'A3', 'A5', 'A6', 'A7', 'A8'], 'b':['a','b','c','d','e','f','g']})
In [387]: df_main
Out[387]:
b c d order_id
0 1 0.460474 -1.092239 A1
1 2 0.872538 1.819610 A2
2 3 -0.343626 -2.493006 A3
3 4 0.489427 0.074341 A4
4 5 -1.690572 0.162746 A5
5 6 -0.851540 0.543129 A6
6 7 -0.559258 -0.170457 A7
In [388]: df_additional
Out[388]:
b order_id
0 a A1
1 b A2
2 c A3
3 d A5
4 e A6
5 f A7
6 g A8
请注意,
df_main.order_id
中的值与df_additional.order_id
不同。我希望针对
df_main.b
中而不是np.nan
中存在的这些订单,df_main
转到df_additional
(例如,'A4'
,因此df_main['b'][3]
应该转到np.nan
)我也希望忽略所有存在于
df_additional
中而不存在于df_main
中的订单,而在df_main
中没有添加任何新内容。最终输出应为:
>>> final_version
b c d order_id
0 a 0.460474 -1.092239 A1
1 b 0.872538 1.819610 A2
2 c -0.343626 -2.493006 A3
3 NaN 0.489427 0.074341 A4
4 d -1.690572 0.162746 A5
5 e -0.851540 0.543129 A6
6 f -0.559258 -0.170457 A7
感谢您的帮助
编辑
我已经尝试使用
np.where()
获得以下结果:In [389]: df_main.b = np.where(df_main.order_id == df_additional.order_id, df_additional.b, np.nan)
In [390]: df_main
Out[390]:
b c d order_id
0 a 0.460474 -1.092239 A1
1 b 0.872538 1.819610 A2
2 c -0.343626 -2.493006 A3
3 NaN 0.489427 0.074341 A4
4 NaN -1.690572 0.162746 A5
5 NaN -0.851540 0.543129 A6
6 NaN -0.559258 -0.170457 A7
事情进展到一定程度,但是似乎比较是逐元素进行的,因此在某个点(
'A4' != 'A5'
)失败,从那一点开始,所有比较也都失败了。是否可以对isin
中的所有order_id
值使用某种形式的df_main
,获取索引,并为该索引检索b
值(?) 最佳答案
您正在寻找merge
:
pd.merge(df_additional, df_main, how='right', on='order_id')
#Out[13]:
# b_x order_id b_y c d
#0 a A1 1 -2.532221 0.702512
#1 b A2 2 2.550224 -0.649286
#2 c A3 3 0.737817 0.999865
#3 d A5 5 -0.484483 1.153589
#4 e A6 6 0.526035 0.335695
#5 f A7 7 -0.901915 -1.312429
#6 NaN A4 4 -0.905911 0.865345