Pandas 熊猫从不同的数据帧更新/替换
我有两个数据帧:df1和df2。df1有列['UserId'、'company'、'deg'],有100个观察值。df2有列['UserId','deg',],有10个观察值。df1和df2中的索引与“userId”完全匹配 我想用df2中的更新df1。df2中的“UserId”列是df1中“UserId”列的子集……因此,没有任何附加内容。仅基于“userId”(和/或普通索引) df1 df2 现在,我想使用df2中的信息来更新df1。如您所见,索引值和用户标识与df1中的完全匹配 有什么建议吗 谢谢 您可以先Pandas 熊猫从不同的数据帧更新/替换,pandas,Pandas,我有两个数据帧:df1和df2。df1有列['UserId'、'company'、'deg'],有100个观察值。df2有列['UserId','deg',],有10个观察值。df1和df2中的索引与“userId”完全匹配 我想用df2中的更新df1。df2中的“UserId”列是df1中“UserId”列的子集……因此,没有任何附加内容。仅基于“userId”(和/或普通索引) df1 df2 现在,我想使用df2中的信息来更新df1。如您所见,索引值和用户标识与df1中的完全匹配 有什么建
None
到NaN
,然后使用df2
更新df1
中的None
值:
df1.replace({"'none'": np.nan}, inplace=True)
#or omit '', for me works uncomment version
#df1.replace({"none": np.nan}, inplace=True)
print df1.fillna(df2)
'UserId' 'Company' 'deg'
6 'john21' 'ibm' 'bs'
12 'mary33' 'cisco' 'ms'
16 'smith11' 'intel' 'BS'
20 'lucy55' 'intel' 'bs'
33 'tanya32' 'fb' 'ms'
39 'ssri44' 'google' 'MS'
45 'har43' 'CDs' 'MS'
另一个解决方案包括:
如果要通过df1
更新df2
,请使用:
,'UserId','deg'
16,'smith11','BS'
39,'ssri44','MS'
45,'har43','MS'
df1.replace({"'none'": np.nan}, inplace=True)
#or omit '', for me works uncomment version
#df1.replace({"none": np.nan}, inplace=True)
print df1.fillna(df2)
'UserId' 'Company' 'deg'
6 'john21' 'ibm' 'bs'
12 'mary33' 'cisco' 'ms'
16 'smith11' 'intel' 'BS'
20 'lucy55' 'intel' 'bs'
33 'tanya32' 'fb' 'ms'
39 'ssri44' 'google' 'MS'
45 'har43' 'CDs' 'MS'
df1.replace({"'none'": np.nan}, inplace=True)
df1.update(df2)
print df1
'UserId' 'Company' 'deg'
6 'john21' 'ibm' 'bs'
12 'mary33' 'cisco' 'ms'
16 'smith11' 'intel' 'BS'
20 'lucy55' 'intel' 'bs'
33 'tanya32' 'fb' 'ms'
39 'ssri44' 'google' 'MS'
45 'har43' 'CDs' 'MS'
print pd.merge(df2,df1,left_index=True,right_index=True,how='left', on=["'UserId'","'deg'"])
'UserId' 'deg' 'Company'
16 'smith11' 'BS' 'intel'
39 'ssri44' 'MS' 'google'
45 'har43' 'MS' 'CDs'