Pandas（Python）-使用条件和不同列从另一个数据帧更新数据帧的列

我遇到了一个问题，我找到了一个解决办法，但我觉得这是错误的做法。也许，有一种更为“规范”的方法可以做到这一点

我已经这样做了，但在这里，每个数据帧中的行数不尽相同。很抱歉“双贴”，但第一个仍然有效，所以我认为最好换一个新的

问题

我有两个数据帧，我想合并而不需要额外的列，也不需要删除现有的信息。例如：

现有数据帧（df）

要合并的数据帧（df2）

如果列“A”和“A2”对应，我想用

df2

更新

df

。 结果将是：

   A  A2    B
0  1   4  2 <= Update value ONLY
1  2   5  1
2  2   5  1

我尝试了这个解决方案：

rows = (df[['A','A2']] == df2[['A','A2']]).all(axis=1)
df.loc[rows,'B'] = df2.loc[rows,'B']

但是我有这个错误，因为行数不对：

ValueError: Can only compare identically-labeled DataFrame objects

有人有更好的方法吗？ 谢谢

我认为您可以使用来检查两个

数据帧中的相同行。然后创建
NaN
by，由填充。最后一次转换到
int
：

mask = df[['A', 'A2']].isin(df2[['A', 'A2']]).all(1)
print (mask)
0     True
1    False
2    False
dtype: bool

df.B = df.B.mask(mask).combine_first(df2.B).astype(int)
print (df)
   A  A2  B
0  1   4  2
1  2   5  1
2  2   5  1

在创建布尔掩码的方式上稍加调整，即可使其正常工作：

cols = ['A', 'A2']
# Slice it to match the shape of the other dataframe to compare elementwise
rows = (df[cols].values[:df2.shape[0]] == df2[cols].values).all(1)
df.loc[rows,'B'] = df2.loc[rows,'B']
df

谢谢！不太容易，但我会分析/学习/使用这个：D
ValueError: Can only compare identically-labeled DataFrame objects

mask = df[['A', 'A2']].isin(df2[['A', 'A2']]).all(1)
print (mask)
0     True
1    False
2    False
dtype: bool

df.B = df.B.mask(mask).combine_first(df2.B).astype(int)
print (df)
   A  A2  B
0  1   4  2
1  2   5  1
2  2   5  1

cols = ['A', 'A2']
# Slice it to match the shape of the other dataframe to compare elementwise
rows = (df[cols].values[:df2.shape[0]] == df2[cols].values).all(1)
df.loc[rows,'B'] = df2.loc[rows,'B']
df