Python 覆盖不同大小的数据帧中的列
我有以下两个数据帧:Python 覆盖不同大小的数据帧中的列,python,pandas,dataframe,Python,Pandas,Dataframe,我有以下两个数据帧: df1 = pd.DataFrame({'ids':[1,2,3,4,5],'cost':[0,0,1,1,0]}) df2 = pd.DataFrame({'ids':[1,5],'cost':[1,4]}) 只要ID中有匹配项,我想用df2上的值更新df1的值。所需的数据帧如下所示: df_result = pd.DataFrame({'ids':[1,2,3,4,5],'cost':[1,0,1,1,4]}) 我如何从上面两个数据帧中得到它 我尝试过使用merge
df1 = pd.DataFrame({'ids':[1,2,3,4,5],'cost':[0,0,1,1,0]})
df2 = pd.DataFrame({'ids':[1,5],'cost':[1,4]})
只要ID中有匹配项,我想用df2上的值更新df1的值。所需的数据帧如下所示:
df_result = pd.DataFrame({'ids':[1,2,3,4,5],'cost':[1,0,1,1,4]})
我如何从上面两个数据帧中得到它
我尝试过使用merge,但记录较少,而且它保留了两列:
results = pd.merge(df1,df2,on='ids')
results.to_dict()
{'cost_x': {0: 0, 1: 0}, 'cost_y': {0: 1, 1: 4}, 'ids': {0: 1, 1: 5}}
您可以通过左合并执行此操作:
merged = pd.merge(df1, df2, on='ids', how='left')
merged['cost'] = merged.cost_x.where(merged.cost_y.isnull(), merged['cost_y'])
result = merged[['ids','cost']]
但是,如果将ID设置为索引列,则可以避免合并(并获得更好的性能);然后,熊猫可以使用此选项为您对齐结果:
df1 = df1.set_index('ids')
df2 = df2.set_index('ids')
df1.cost.where(~df1.index.isin(df2.index), df2.cost)
ids
1 1.0
2 0.0
3 1.0
4 1.0
5 4.0
Name: cost, dtype: float64
您可以使用set_index和combine first为df2中的值赋予优先级
df_result = df2.set_index('ids').combine_first(df1.set_index('ids'))
df_result.reset_index()
你得到
ids cost
0 1 1
1 2 0
2 3 1
3 4 1
4 5 4
另一种方法是,使用临时合并的数据帧,使用后可以丢弃该数据帧
import pandas as pd
df1 = pd.DataFrame({'ids':[1,2,3,4,5],'cost':[0,0,1,1,0]})
df2 = pd.DataFrame({'ids':[1,5],'cost':[1,4]})
dftemp = df1.merge(df2,on='ids',how='left', suffixes=('','_r'))
print(dftemp)
df1.loc[~pd.isnull(dftemp.cost_r), 'cost'] = dftemp.loc[~pd.isnull(dftemp.cost_r), 'cost_r']
del dftemp
df1 = df1[['ids','cost']]
print(df1)
OUTPUT-----:
dftemp:
cost ids cost_r
0 0 1 1.0
1 0 2 NaN
2 1 3 NaN
3 1 4 NaN
4 0 5 4.0
df1:
ids cost
0 1 1.0
1 2 0.0
2 3 1.0
3 4 1.0
4 5 4.0