Python 映射数据帧

我试图基于另一个数据帧中的值替换一个数据帧中的列中的值

这是my df中要修改的列的前三行：

这是另一个称为“区域”的数据帧。这有更新我的df所需的信息

在本例中，所需的输出碰巧看起来就像areas df的“county”列。但这种映射过程必须在40000多列上执行，并且不会遵循这种模式，因为my df中的值包含区域df的随机值

到目前为止，我编写的代码是创建一个字典，其键为county：

districts = dict(zip(areas['County'], areas['CC']))

{'Aveiro'：'Águeda'，'Beja'：'Aljustrel'，'Braga'：'Vizela'}

我在这里可能是正确的，问题是我还没有弄清楚如何从'CC'和'FR'列中获取值。如果我有一个字典，它的键是县和值，县的CC和FR，我就可以很容易地映射DF。当然，我对其他解决方案非常开放

期望输出：

---

简单的合并怎么样

my_-df=my_-df.merge（区域，on='country'，how='left'）

编辑：

如果第一个数据框中的

country

列对应于

areas

数据框中的

FR

列（这里似乎是这样），yu应该执行以下操作：

my_df=my_df.merge（区域，左上='country'，右上='FR'，如何='left'）

编辑#2：

根据提供的进一步资料：

#假设只有一列与第一个数据帧'country'列匹配
将numpy作为np导入
df['in_county']=df['county'].map（dict（zip（areas.county，areas.county）））
df['in_cc']=df['County'].map（dict（zip（areas.cc，areas.County）））
df['in_fr']=df['County'].map（dict（zip（areas.fr，areas.County）））
落差（'County'，轴=1，原地=True）
输出=df.replace（np.nan.）。应用（lambda x:“”。连接（x），轴=1）
output=pd.DataFrame（output，columns=['County']）

谢谢！这里的路径可能是正确的，但在运行代码之后，它产生了超过200万行的额外行，因此我认为问题还没有完全解决……我已经根据您提供的数据集样本编辑了我的答案。希望有帮助。谢谢你的编辑！第一个数据帧中的

country

列实际上包含第二个df中3列中任意一列的随机值。在上面的示例中，第一个和第三个值来自

FR

列，但第二个值来自

CC

列。再往下看df，有一些正确的县不需要更改，可以在第二个df的

country

列中找到。请检查编辑的解决方案是否更接近您试图实现的目标：）嘿，看起来我们的做法是正确的。现在的问题是“output”生成了一个单独的df列，它看起来像是其他列中所有其他值的合并，这些值已经不存在了。我原来的df实际上有大约15列。我相信这个问题是我的问题不够清晰的结果，可能是我修改了你的代码以适应我项目中的真实数据帧的错误。为了保密，我改变了一些事情。明天早上我将继续这方面的工作。我非常感谢你的帮助！