Python 使用另一个数据帧列填充数据帧列

有两个数据帧，它们都有公共的

用户id

。让我们把它们称为

df_A

和

df_B

df_B

每个用户有一条记录

df_A

包含每个用户的多条记录，但每个用户都有一条记录

NaN

德福阿 德福 目标是通过执行

df_B.last_time-df_A.start_time

在

df_A

中填充

NaN

，但仅针对

NaN

，同时使用正确的

用户id

匹配记录

逻辑上：应使用以下数据填写用户id

421 NaN

记录：

2015-10-2514:03:23-2015-10-2513:03:10

df_A.groupby('user_id').time_calc.fillna(df_B.last_time - df_A.time_calc.isnull['start_time'])

---

不幸的是，这不起作用

首先，使用

merge

作为第一步构建填充值映射器：

i = df_A[df_A.time_calc.isnull()].merge(df_B)
j = i['last_time'].sub(i['start_time']).dt.total_seconds() / 60
j.index = i.user_id

现在，做一个

fillna

：

df_A['time_calc'] = df_A['time_calc'].fillna(df_A.user_id.map(j))  
df_A

    user_id          start_time     time_calc
0       421 2015-10-25 11:42:35      8.970000
1       421 2015-10-25 11:51:33      4.850000
2       421 2015-10-25 11:56:24      6.770000
3       421 2015-10-25 13:03:10     60.216667
4       493 2015-10-26 05:08:13      0.850000
5       493 2015-10-26 05:09:04      0.783333
6       636 2015-10-17 15:30:53      2.550000
7       636 2015-10-17 15:33:26      4.170000
8       636 2015-10-17 15:37:36      2.350000
9       636 2015-10-17 15:39:57      0.320000
10      636 2015-10-17 15:40:16      0.430000
11      636 2015-10-17 15:40:42      0.650000
12      636 2015-10-17 15:41:21  24754.550000

---

时间计算中的时间单位是多少？小时？天ᴏʟᴅsᴘᴇᴇᴅ

dt.total_seconds.div（60）

所以应该在几分钟内这是我的假设，在你的问题中没有看到任何类似的提示，所以我想问；-）@寒冷的速度v是什么？不应该是b df_b和df吗_a@Null-假设谢谢，这是一个输入错误。@COLDSPEED抱歉，我尝试了一年，但我得到了一个错误，'jump'命令需要行号…@Null假设我肯定不能识别错误消息。也许你在

j.index=i.user_id

之后不小心复制了这些内容？@COLDSPEED我输入的没有复制：），但Hillary发现了这个问题

j

是python调试器中的保留代码：）

i = df_A[df_A.time_calc.isnull()].merge(df_B)
j = i['last_time'].sub(i['start_time']).dt.total_seconds() / 60
j.index = i.user_id

j
user_id
421       60.216667
493        0.783333
636    24754.550000
dtype: float64

df_A['time_calc'] = df_A['time_calc'].fillna(df_A.user_id.map(j))  
df_A

    user_id          start_time     time_calc
0       421 2015-10-25 11:42:35      8.970000
1       421 2015-10-25 11:51:33      4.850000
2       421 2015-10-25 11:56:24      6.770000
3       421 2015-10-25 13:03:10     60.216667
4       493 2015-10-26 05:08:13      0.850000
5       493 2015-10-26 05:09:04      0.783333
6       636 2015-10-17 15:30:53      2.550000
7       636 2015-10-17 15:33:26      4.170000
8       636 2015-10-17 15:37:36      2.350000
9       636 2015-10-17 15:39:57      0.320000
10      636 2015-10-17 15:40:16      0.430000
11      636 2015-10-17 15:40:42      0.650000
12      636 2015-10-17 15:41:21  24754.550000