Python 基于另一个数据帧的列名和索引值填充数据帧

我有一个dataframe，dataframe_1，看起来像这样：

    0   1   2   3   4   5  ...  192
0   12  35  60  78  23  90      32

    58   59   60    61   62 ... 350     
0   1    4    192   4    4      1
1   0    3    3     5    3      4
2   3    1    4     2    2      192

另一个数据帧，dataframe_2，如下所示：

    0   1   2   3   4   5  ...  192
0   12  35  60  78  23  90      32

    58   59   60    61   62 ... 350     
0   1    4    192   4    4      1
1   0    3    3     5    3      4
2   3    1    4     2    2      192

dataframe_2中的值是dataframe_1中的列名。我想做的是根据dataframe_1的列名更改dataframe_2中的值，如下所示：

    58   59   60   61   62 ... 350     
0   35   23   32   23   23     35
1   12   78   78   90   78     23
2   78   35   23   60   60     32

我使用.loc尝试了一个for循环，但没有成功。 非常感谢您的帮助

堆栈

和

映射

堆栈

df2

，这样我们就可以调用

Series.map

来使用

df1

执行单个矢量化替换

---

应用

和

映射

---

我们在每一列上应用一个映射操作，而不是通过叠加来获得一个序列。

您可以从

df1

定义一个字典，并使用它来替换

df2

中的值：

d = dict(zip(df1.columns, df1.values.ravel()))
df2.replace(d)

   58  59  60  61  62  350
0  35  23  32  23  23   35
1  12  78  78  90  78   23
2  78  35  23  60  60   32

---

或堆叠df1，然后更换：

df2.replace(df1.stack().droplevel(0))

   58  59  60  61  62  350
0  35  23  32  23  23   35
1  12  78  78  90  78   23
2  78  35  23  60  60   32

---

使用

替换

d2.replace(dict(zip(d1.columns,d1.iloc[0])))

创建一个查找表，并使用底层的
numpy数组
映射这些值。这假定为整数列名

u = np.zeros(df1.columns.max()+1, dtype=int)
u[df1.columns] = df1.iloc[0].values

u[df2.values]



如果存在与
df1
中的值不匹配的值：

u = np.full(df1.columns.max()+1, np.nan)
u[df1.columns] = df1.iloc[0].values

u[df2.values]

然后，如果需要，使用
df2
填充NA

array([[35, 23, 32, 23, 23, 35],
       [12, 78, 78, 90, 78, 23],
       [78, 35, 23, 60, 60, 32]])

u = np.full(df1.columns.max()+1, np.nan)
u[df1.columns] = df1.iloc[0].values

u[df2.values]