Python 基于条件更新数据帧列的有效方法

如果第二帧的条件适用，我想更新一个数据帧的值

现在，我正在循环第二帧的每一行，以找到它在第一帧中的位置，并在找到该行时更新该行，但这是非常缺乏资源的

有更好的合并方法吗

例如，我想将T2中的值在T1中更新为“是”

T1
user_id   version        issue         Resolved
1         12345           crash           no   
2         12346           printing        no 
3         12347           screen          no
3         12348           screen          no


T2
user_id   version        issue 
1         12345           crash              
2         12346           printing              

谢谢

预期产出：

T1
user_id   version        issue         Resolved
1         12345           crash           yes   
2         12346           printing        yes 
3         12347           screen          no
3         12348           screen          no

---

您可以在新数据中添加“是”，然后将两者合并

T2['Resolved'] = 'yes'
dtypes = T1.dtypes.combine_first(T2.dtypes)
T3 = T2.combine_first(T1)
for k, v in dtypes.iteritems(): 
    T3[k] = T3[k].astype(v) 

输出：

   user_id  version     issue Resolved
0        1    12345     crash      yes
1        2    12346  printing      yes
2        3    12347    screen       no
3        3    12348    screen       no

我还找到了一种不转换回浮动的组合方式：

T3 = T2.astype('object').combine_first(T1)

所以你不应该再需要for循环了

在联合收割机第一次不工作的地方检查此解决方案。我创建了“是”的贴图，并将其应用于第一帧：

T1 = pd.DataFrame({'A': [1,1,2,3], 'B': ['no', 'no','no','no'], 'C': ['no1', 'no2','no3','no4']})
T2 = pd.DataFrame({'A': [2, 3], 'B': ['yes','yes']})
mapitems = T2.set_index('A').to_dict()['B']   
T1['B'] = T1.apply(lambda x: mapitems[x.A] if x.A in mapitems.keys() else x.B, axis=1)

---

有点困惑，你说你是循环，但后来提到合并。为什么不合并，然后选择更改的值呢？我是循环，我的意思是作为一个通用术语合并，但我知道这可能会令人困惑，对此我很抱歉。@DiSt8885我找到了一种缩短它的方法，不需要数据类型或循环，请查看底部我的最新更新。这可能是我的pandas版本中的一个错误，因为它将数字更改为浮点数，除非我添加了.astype标记。我使用0.25.3I可能是错误的，但我进一步研究了这个问题，我注意到combined first似乎使用索引而不是数据作为键值来连接数据。例如：

T1=pd.DataFrame（{'A'：[1,1,2,3]，'B'：['no'，'no'，'no'，'no']}）T2=pd.DataFrame（{'A'：[2,3]，'B'：['yes'，'yes']}）#df3=df1.combine_first（df2）T3=T2.astype（'object'）。combine_first（T1）T3不在索引2和3中输入yes，而是替换A列和A列的索引值0和1B@DiSt8885检查我的更新答案，我使用字典将值映射回第一帧。