python - 有条件地在多个索引上加入 pandas DF

Question

我有两个不同长度的 pandas 数据帧，当两列匹配时，我需要有条件地将值从一个数据帧覆盖到另一个数据帧。

df1.val = df2.val where df1.val == null and df1.key1 == df2.key1 and df1.key2 == df2.key2

df1和df2具有非常不同的列和行长度集，除了 key1 , key2 ，和val 。唯一可以保证的是对于每个 (key1, key2)在df1 ，正好有一个(key1, key2)在df2 .

到目前为止，我一直在走这条路

df1.loc[df1.val.isnull(), "val"] = df2.val

尝试设置索引以匹配，但我没有任何进展。

我知道有一些加入，但我在这方面也没有取得任何进展。一些语法帮助将不胜感激。

编辑数据:

DF1:

First  Last   Val Random1 ...
John   Smith    4 x
Todd   Smith    5 Nan
John   Todd   Nan z

DF2:

First  Last   Val Random2 ...
John   Smith    7 4
Todd   Smith    6 9
John   Todd     3 3
Eric   Smith    5 2

结果:

First  Last   Val Random1 ...OtherDF1Cols...
John   Smith    4 x
Todd   Smith    5 Nan
John   Todd     3 z

Answer 1

首先设置索引，然后填充

DF1.set_index(['First', 'Last']).fillna(DF2.set_index(['First', 'Last']))

             Val
First Last      
John  Smith  4.0
Todd  Smith  5.0
John  Todd   3.0

使用combine_first包含两个数据帧中的所有内容

DF1.set_index(['First', 'Last']).combine_first(DF2.set_index(['First', 'Last']))

             Val
First Last      
Eric  Smith  5.0
John  Smith  4.0
      Todd   3.0
Todd  Smith  5.0

<小时/>

或者，仅更新 Val 列，并限制为仅从第一行开始

d1 = DF1.set_index(['First', 'Last'])
d2 = DF2.set_index(['First', 'Last'])
print(d1.combine_first(d2[['Val']]).loc[d1.index].reset_index())

  First   Last  Val
0  John  Smith  4.0
1  Todd  Smith  5.0
2  John   Todd  3.0

<小时/>

使用更新的选项

d1 = DF1.set_index(['First', 'Last'])
d2 = DF2.set_index(['First', 'Last'])
d1.update(d2.Val, overwrite=False)
d1.reset_index()

  First   Last  Val
0  John  Smith  4.0
1  Todd  Smith  5.0
2  John   Todd  3.0