Python 基于另一个df列更新df列值

我有两个df

qty

和df

item\u info

，我试图填充

qty['item']

中的NaN字段，其中：（我在这里引用SQL）

qty.ccy=item\u info.ccy和qty.seller=item\u info.seller

其中元组（ccy、卖方）是两个DFs上的唯一标识符

DF qty
|  id | qty  |   item   | ccy | seller |
+-----+------+----------+-----+--------+
| 001 |  700 | CB04 box | USD | A1     |
| 002 |  500 | NaN      | AUS | A1     |
| 003 | 1500 | AB01 box | USD | B1     |



DF item_info
| sid | seller | ccy |   item   |
+-----+--------+-----+----------+
| AA1 | A1     | USD | CB04 box |
| AA2 | A2     | USD | CB01 Box |
| AA3 | A1     | AUS | AB01 box |

更新后的DF

qty

如下所示

DF qty
|  id | qty  |   item   | ccy | seller |
+-----+------+----------+-----+--------+
| 001 |  700 | CB04 box | USD | A1     |
| 002 |  500 | AB01 box | AUS | A1     |
| 003 | 1500 | AB01 box | USD | B1     |

---

一种策略可能是在需要匹配的列上合并两个表，然后使用fillna

values = qty.merge(item_info, on=["ccy", "seller"], 
             how="left", suffixes=("_qty", "_info"))["item_info"]
qty["item"] = qty["item"].fillna(value=values)

---

以下方法可能有效

import pandas as pd
import numpy as np
dfg_item_info = item_info.groupby(["ccy", "seller"])
def fillna(x):
    if np.isnan(x["C"]):
        return (dfg_item_info
               .get_group((x["ccy"], x["seller"]))["item"]
               .values[0])
    else:
        return x["item"]

qty["item] = qty["item"].apply(fillna, axis=1)

---

如果我没有弄错，您只需遍历qty数据帧，检查qty['item']系列中是否有任何NaN值，如果它大于拾取qty['ccy']和qty['seller']来自同一索引的值，并在item_info数据框中搜索这些值。如果这些值是唯一的，则您将获得一行，然后您可以获得item_info['item']值并替换该值