Python 如何使用条件合并数据帧？

假设我有以下输入数据帧

df1

以及下面的查找数据帧

df2

最终输出df

 col1_1 | col1_or_col2 | col2....
AB0123  |     abc      |
0678    |     ghi      |
AB0567  |     dfe      |
0921    |     jkl      |
6752    |     mno      |

我想到的是在输出df中创建两个temp列，然后生成一个单独的函数*来生成col1\u或col2

*该函数将检查每一行，并获取temp_col2或temp_col3之间的最终非空值

 col1  | temp_col1 | temp_col2 | col1_or_col2
AB0123 |   abc     |           |    abc
0678   |           |     ghi   |    ghi
AB0567 |   dfe     |           |    dfe
0921   |           |     jkl   |    jkl
6752   |           |     mno   |    mno

---

是否有一个pandas函数可以有效地解决上述问题？

除了我的评论之外，您还可以优雅地结合

pop

。此代码通过使用

col2

值填充

col1

中的

NaN

值来更新第二个数据帧

df2

的

col1

，同时使用

pop

从数据帧中删除现在不必要的

col2

。现在，您将这个新的

df2

与

df1

合并。在合并之前，确保合并列为

对象

数据类型（例如

df2['col1']=df2['col1'].astype（str）

，并对其他列执行相同操作，或使用

df2.info（）检查数据类型

）：

这是

merge

中零件的输出，以及您合并到

df1

中的内容：

df2.assign(col1=df2['col1'].fillna(df2.pop('col2')))

    col1    col3
0   AB0123  abc
1   AB0567  dfe
2   O678    ghi
3   O921    jkl
4   6752    mno

---

让我们尝试concat df2和df1，并删除col1

df2=df2.assign（col1=df2.col2.astype（str）+df2.col1）.drop（columns=['col2']）

如果存在隐藏的关系，则执行以下操作

通过连接

df2.col1

和

df2.col3

创建新的datframe

df3

df3=df2.assign(col1=df2.col2.astype(str)+df2.col1).drop(columns=['col2'])

从

df3

创建dict。dict将

df3.col1

作为键，将

df3.col3

作为值。将其映射到

df1.col1

如下

df1['col2']=df1.col1.map(dict(zip(df3.col1,df3.col3)))



   col1_1 col2
0  AB0123  abc
1    O678  ghi
2  AB0567  dfe
3    O921  jkl
4    6752  mno

---

这意味着什么：“基于查找df1中的col2和col3”？为什么要将col2值转换为col1？你能再详细解释一下逻辑吗？请添加一个“输入”数据框架的示例。我编辑了这个问题，希望它能提供更多的见解@Dani MesejoI编辑了这个问题，希望它能为你的答案提供更多的见解@AnkyTanks。我可以知道你所说的“请注意，我将“0”改为“O”是什么意思吗？因为它删除了我使用的

pd.read_剪贴板（）的前导“0”@royalewithcheese

读取stackoverflow数据，它将

df2

的

col2

中的一个读取为整数，并删除了零，这意味着数据没有正确合并。这与我如何将stackoverflow数据传输到我的jupyter笔记本有关。好的，明白了，谢谢！df在第1列的基础上进行合并似乎只有这样s、 …因此，不是从col3到col2获取相应的数据，而是从col3获取与col1相关的数据

df2.assign(col1=df2['col1'].fillna(df2.pop('col2')))

    col1    col3
0   AB0123  abc
1   AB0567  dfe
2   O678    ghi
3   O921    jkl
4   6752    mno

df3=df2.assign(col1=df2.col2.astype(str)+df2.col1).drop(columns=['col2'])

df1['col2']=df1.col1.map(dict(zip(df3.col1,df3.col3)))



   col1_1 col2
0  AB0123  abc
1    O678  ghi
2  AB0567  dfe
3    O921  jkl
4    6752  mno