Python pandas 加入覆盖

Question

我意识到这个问题类似于 join or merge with overwrite in pandas ，但接受的答案对我不起作用，因为我想使用 df.join() 中的 on='keys'。

我有一个 DataFrame df，它看起来像这样:

    keys    values
0      0  0.088344
1      0  0.088344
2      0  0.088344
3      0  0.088344
4      0  0.088344
5      1  0.560857
6      1  0.560857
7      1  0.560857
8      2  0.978736
9      2  0.978736
10     2  0.978736
11     2  0.978736
12     2  0.978736
13     2  0.978736
14     2  0.978736

然后我有一个具有相同键的系列 s(这是一些 df.groupy.apply() 的结果):

keys
0       0.183328
1       0.239322
2       0.574962
Name: new_values, dtype: float64

基本上我想用系列中的值替换 df 中的“值”，通过 keys 这样每个 keys block 都得到相同的新值。目前，我是这样做的:

df = df.join(s, on='keys')
df['values'] = df['new_values']
df = df.drop('new_values', axis=1)

获得的(和期望的)结果是:

    keys    values
0      0  0.183328
1      0  0.183328
2      0  0.183328
3      0  0.183328
4      0  0.183328
5      1  0.239322
6      1  0.239322
7      1  0.239322
8      2  0.574962
9      2  0.574962
10     2  0.574962
11     2  0.574962
12     2  0.574962
13     2  0.574962
14     2  0.574962

也就是说，我将它添加为一个新列，并通过使用 on='keys' 它获得了正确的形状。然后我将 values 指定为 new_values 并删除 new_values 列。这当然很完美，唯一的问题是我觉得它非常难看。

有更好的方法吗？

Answer 1

你可以尝试这样的事情:

df = df[df.columns[df.columns!='values']].join(s, on='keys')

确保 s 被命名为“values”而不是“new_values”。

据我所知，pandas 没有加入“强制覆盖”或“警告覆盖”的能力。