Pandas 熊猫通过从另一个数据框中查找列名和值来更新数据框

我有一张excel表格，可以读入熊猫数据框。它看起来像：

KEY_FIELD_NAME  KEY_FIELD_VAL_ORIG     KEY_FIELD_VAL_NEW
 NAME              XXX                      YYY
 AGE               11                       22  
 INCOME            100                      200
 NAME               ABC                    DEF

我有另一个熊猫数据帧（df_orig），如下所示：

NAME AGE INCOME
XXX   11  100
ABC   25   300

如何更新df_orig，使其自动按键_字段_名称和键_字段_VAL_orig查找excel工作表，并更新为新值：

df_orig_需要：

NAME AGE INCOME
YYY  22   200
DEF   25   300

因此，您希望使用，但在使用它之前，您应该通过使用原始名称作为索引来重塑您的修改数据框，使其具有与原始

数据框相同的形状，以便我们以后可以加入：

df['NAME'] = pd.Series(np.where(df['KEY_FIELD_NAME'] == 'NAME', df['KEY_FIELD_VAL_ORIG'],np.nan)).ffill()
df_piv = df.pivot(index='NAME', columns='KEY_FIELD_NAME', values='KEY_FIELD_VAL_NEW')
print(df_piv)
#    KEY_FIELD_NAME  AGE INCOME NAME
#NAME                           
#ABC             NaN    NaN  DEF
#XXX              22    200  YYY

然后您可以在设置索引后立即调用update。它在原地工作，所以

df_orig.set_index('NAME', drop=False, inplace=True)
df_orig.update(df_piv)
print(df_orig.reset_index(drop=True))
#      NAME AGE INCOME
#0  YYY  22    200
#1  DEF  25    300

因此，您希望使用，但在使用它之前，您应该通过使用原始名称作为索引来重塑您的修改数据框，使其具有与原始
数据框相同的形状，以便我们以后可以加入：

df['NAME'] = pd.Series(np.where(df['KEY_FIELD_NAME'] == 'NAME', df['KEY_FIELD_VAL_ORIG'],np.nan)).ffill()
df_piv = df.pivot(index='NAME', columns='KEY_FIELD_NAME', values='KEY_FIELD_VAL_NEW')
print(df_piv)
#    KEY_FIELD_NAME  AGE INCOME NAME
#NAME                           
#ABC             NaN    NaN  DEF
#XXX              22    200  YYY

然后您可以在设置索引后立即调用update。它在原地工作，所以

df_orig.set_index('NAME', drop=False, inplace=True)
df_orig.update(df_piv)
print(df_orig.reset_index(drop=True))
#      NAME AGE INCOME
#0  YYY  22    200
#1  DEF  25    300

其他几排看起来怎么样？谢谢你，安迪。你是说在哪个数据帧中？df_orig？带有键字段的_NAME@AndyHayden：其余行具有重复的键字段名称，但键字段值和键字段值的值不同。您可以在另一组行中编辑吗？我认为这会极大地改变潜在的答案。其余的几行是什么样子的？谢谢你，安迪。你是说在哪个数据帧中？df_orig？带有键字段的_NAME@AndyHayden：其余行具有重复的键字段名称，但键字段值和键字段值的值不同。您可以在另一组行中编辑吗？我认为这会极大地改变潜在的答案。这纯粹是天才。谢谢，那真是天才。非常感谢。