Python中基于另一个dataframe更新dataframe

Question

我有一个DataFrame，称为df1，它除了“员工”列外，所有列都是正确的。还有另一个DataFrame，称为df2，其中包含正确的员工姓名，但存储在“职员”列中。我正在尝试基于各自的DataFrames中的“key_df1”和“key_df2”更新df1。需要一些帮助来解决这个问题。（请参见下面图像中的预期输出）

data1=[['NYC-URBAN','JON','$5000','yes','BANKING','AC32456'],['WDC-RURAL','XING','$4500','Yes','FINANCE','AD45678'],['LONDON-URBAN','EDWARDS','$3500','No','IT','DE43216'],
     ['SINGAPORE-URBAN','WOLF','$5000','No','SPORTS','RT45327'],['MUMBAI-RURAL','NEMBIAR','$2500','No','IT','Rs454457']]

data2=[['NYC','MIKE','BANKING','BIKING','AH56245'],['WDC','ALPHA','FINANCE','TREKKING','AD45678'],
     ['LONDON-URBAN','BETA','FINANCE','SLEEPING','DE43216'],['SINGAPORE','WOLF','SPORTS','DANCING','RT45307'],
     ['MUMBAI','NEMBIAR','IT','ZUDO','RS454453']]

List1=['City','Employee', 'Income','Travelling','Industry', 'Key_df1']
List2=['City','Staff','Industry','Hobby', 'Key_df1']

df1=pd.DataFrame(data1,columns=List1)
df2=pd.DataFrame(data2,columns=List2)

预期输出：

编辑（附加查询）：

感谢回复。除了上述问题外，我想将“df1”的“Employee”列的值与“Travelling”列连接起来，只针对两个数据框中“Key_df1”和“Key_df2”相等的行。请参见下面的第二个预期输出。

- Ussu20

Answer 1

首先，在df1中设置索引为Key_df1，并将其保存为临时DataFrame：

wrk = df1.set_index('Key_df1')

然后使用索引设置为 Key_df2，仅使用 Staff 列，使用来自 df2 的数据更新（原地更新）其 Employee 列：

wrk.Employee.update(df2.set_index('Key_df2').Staff)

最后一个操作是将索引更改为“常规”列并将其移动到先前的位置：

result = wrk.reset_index().reindex(columns=List1)

结果如下：

              City Employee Income Travelling Industry   Key_df1
0        NYC-URBAN      JON  $5000        yes  BANKING   AC32456
1        WDC-RURAL    ALPHA  $4500        Yes  FINANCE   AD45678
2     LONDON-URBAN     BETA  $3500         No       IT   DE43216
3  SINGAPORE-URBAN     WOLF  $5000         No   SPORTS   RT45327
4     MUMBAI-RURAL  NEMBIAR  $2500         No       IT  Rs454457

根据“旅行”列的注释进行编辑

现在仅仅使用 update 是不够的，必须以另外一种方式解决任务。

从加入 df2.Staff（使用 set_index 进行正确连接）开始与 df1 连接：

result = df1.join(df2.set_index('Key_df2').Staff, on='Key_df1')

第二步（实际更新）是：

result.Employee.where(result.Staff.isna(), result.Staff + '_' + result.Travelling,
    inplace=True)

最后一步是删除Staff列（不再需要）:

result.drop(columns=['Staff'], inplace=True)

最终结果是：

              City   Employee Income Travelling Industry   Key_df1
0        NYC-URBAN        JON  $5000        yes  BANKING   AC32456
1        WDC-RURAL  ALPHA_Yes  $4500        Yes  FINANCE   AD45678
2     LONDON-URBAN    BETA_No  $3500         No       IT   DE43216
3  SINGAPORE-URBAN       WOLF  $5000         No   SPORTS   RT45327
4     MUMBAI-RURAL    NEMBIAR  $2500         No       IT  Rs454457

- Valdi_Bo

---

嗨@Validi_Bo，感谢您的回复。我也在尝试将更新后的“Employee”列与“Travelling”列连接起来。您能帮忙吗？ - Ussu20

我已经在问题中添加了预期输出。 - Ussu20

Answer 2

您可以使用布尔索引，例如：

mask = df1.Key_df1 == df2.Key_df1.reindex(df1.index)
df1.loc[mask, 'Employee'] = df2.Staff

输出：

              City Employee Income Travelling Industry   Key_df1
0        NYC-URBAN      JON  $5000        yes  BANKING   AC32456
1        WDC-RURAL    ALPHA  $4500        Yes  FINANCE   AD45678
2     LONDON-URBAN     BETA  $3500         No       IT   DE43216
3  SINGAPORE-URBAN     WOLF  $5000         No   SPORTS   RT45327
4     MUMBAI-RURAL  NEMBIAR  $2500         No       IT  Rs454457

- fsl

---

不是的，我只是更喜欢这种方式。 - fsl

好的，谢谢回复。第一个更短，我喜欢它。 - Abhi_J

如果你愿意的话，可以在一行代码中完成它：df1.loc[df1.Key_df1 == df2.Key_df1, 'Employee'] = df2.Staff。 - fsl

@FelipeLanza 如果df2的行数与df1不同，则df1.Employee[mask] = df2.Staff会引发错误。是否有更通用的方法，因为我只是举了一个简单的例子。实际上，我的df2与df1的行数不同。 - Ussu20

只需使用另一个的索引重新索引较小的那个。我已经编辑过了。 - fsl

Answer 3

您还可以在numpy中使用：

import numpy as np

df1['Employee'] = np.where(df1['Key_df1'] == df2['Key_df1'], df2['Staff'], df1['Employee'])

- Arkadiusz

---

没错，只要记住 isin 不同于等式检查。 - fsl

@FelipeLanza 你是对的。在这种情况下它可以工作，但是在大型数据框中使用它会有风险。我已经编辑了我的答案。 - Arkadiusz