Python 3.x 如何从列值中找到数据帧的行，然后使用字典更新行？

我有一个如下形式的数据框：

import pandas as pd
df = pd.DataFrame(None,columns= ['Name','Age','Asset'])
df = df.append({'Name':'John','Age':10,'Asset':'Bike'},ignore_index=True)
df = df.append({'Name':'Sarah','Age':17,'Asset':'Laptop'},ignore_index=True)
df = df.append({'Name':'Noah','Age':14,'Asset':'Book'},ignore_index=True)
df

    Name    Age     Asset
0   John    10  Bike
1   Sarah   17  Laptop
2   Noah    14  Book

现在我想使用字典

{'Name'：'John'，'Age'：11，'Asset'：'Phone'}

找到名为John的df行，将Age更改为11，并将Asset更改为'Phone'。假设dataframe的每一列都是Diciary中的一个键

由于iloc检索到一行，我认为这会起作用

df.loc[df['Name'] == 'John'] = {'Name' :'John','Age':11,'Asset' :'Phone'}

但是，这不起作用，您需要使用列表进行更新

---

使用字典更新数据帧行的有效方法是什么？

我认为您正在尝试对John以外的内容进行更改？有字典吗

让我们将您提供的词典设置为

di = {'Name' :'John','Age':11,'Asset' :'Phone'}

然后我们可以按“名称”使用.loc行进行筛选，并选择“年龄”和“资产”列，然后从字典中设置值

df.loc[df['Name'] == di['Name'], ['Age', 'Asset']] = [di['Age'], di['Asset']]

print(df)

    Name Age   Asset
0   John  11   Phone
1  Sarah  17  Laptop
2   Noah  14    Book

---

您可以将索引设置为Name，然后调用以更新引用匹配索引的数据帧。最后，

.reset_index（）

要将索引重置为列，请执行以下操作：

d={'Name' :'John','Age':11,'Asset' :'Phone'}

---

---

---

您可以将

dict.values（）

直接分配给要由

.loc

修改的切片，如下所示（注意：这在Python 3.5+上有效，因为

d

的顺序由插入顺序保证。在Python<3.5上，您需要使用

集合。OrderedDict

）：

---

df.loc[df['Name']='John']=pd.Series（{'Name'：'John'，'Age'：11，'Asset'：'Phone'}）

？@QuangHoang使用nan更新Name、Age和Asset是否有办法将字典键与列名匹配，以避免对每个组合进行硬编码？df.append（）接受字典，并使用None替换缺少的键值，是否也有类似的方法来更新数据帧？请参见下面的@anky_91，这是更好的答案。这不是很危险吗？因为list（d.values（））可能不会按列的顺序提供值？字典的键可以是任意顺序。Python 3.5+保证插入顺序。因此，如果您按照

d={'Name'：'John'，'Age'：11，'Asset'：'Phone'中的特定顺序创建字典

。保证了

Name->Age->Asset

的顺序。但是，如果您无法控制字典的创建方式，这将不起作用。即使字典键的顺序与df的列名不同，这是否也起作用？@Qwertford只要将

Name

设置为索引，顺序就无关紧要。会的work@Qwertford您还可以尝试使用

pd.concat（[d_，df]，sort=False）。删除重复项（'Name'）。重新索引（df.columns，axis=1）

，用于无序的指令

d_=pd.DataFrame().from_dict(d,'index').T
m_=df.set_index('Name')
m_.update(d_)
df=m_.reset_index()

    Name Age   Asset
0   John  11   Phone
1  Sarah  17  Laptop
2   Noah  14    Book

d = {'Name' :'John','Age':11,'Asset' :'Phone'}
df.loc[df.Name.eq(d['Name']), :] = list(d.values())

Out[643]:
    Name Age   Asset
0   John  11   Phone
1  Sarah  17  Laptop
2   Noah  14    Book