python - 用第二个 DF 填充 DF

Question

我看到了几个与此相关的问题，但我发现这些技巧都不起作用。

我正在尝试根据第二个数据帧的值填充数据帧的所有 NaN 值。第一个 df 很大，第二个 df 将充当某种键。

     DF1

    Part    System_Type   Replacement_Cost   Service_Life(Years)    Location

    nut       A/C             .09                 1                   TX
    Bolt      Generator        NAN                NAN                 MT
    screw     roof             .08                NAN                 UT
    screw     A/C              NAN                 3                  OH
    screw     roof             .08                NAN                 TX

    DF2
    Part    System_Type   Replacement_Cost   Service_Life(Years)  

    Bolt      Generator        .06                 2                
    screw     roof             .08                 3                
    screw     A/C              .08                 3                  

像这样的输出

    Part    System_Type   Replacement_Cost   Service_Life(Years)    Location

    nut       A/C             .09                 1                   TX
    Bolt      Generator       .06                 2                   MT
    screw     roof            .08                 3                   UT
    screw     A/C             .08                 3                   OH
    screw     roof            .08                 3                   TX

我尝试使用 df1.combine_first(df2)，但我需要它用“Part”和“System_Type”填充所有 NAN，两者都充当正确匹配数据的键。看起来它并没有填充所有缺失的值，而只是填充了其中的一些值。我的数据集有数百万行，因此我需要它在每次出现特定值集时填充 NAN(即每次看到螺丝和屋顶时，它都应将更换成本填充为“.08”，将使用生命周期填充为“3”)

Answer 1

假设那些NAN是np.nan

df1.fillna(df1[['Part', 'System_Type']].merge(df2, 'left'))

    Part System_Type  Replacement_Cost  Service_Life(Years) Location
0    nut         A/C              0.09                  1.0       TX
1   Bolt   Generator              0.06                  2.0       MT
2  screw        roof              0.08                  3.0       UT
3  screw         A/C              0.08                  3.0       OH
4  screw        roof              0.08                  3.0       TX

否则，您可以将 NAN 替换为 np.nan

df1.replace('NAN', np.nan).fillna(df1[['Part', 'System_Type']].merge(df2, 'left'))

    Part System_Type Replacement_Cost Service_Life(Years) Location
0    nut         A/C              .09                   1       TX
1   Bolt   Generator             0.06                   2       MT
2  screw        roof              .08                   3       UT
3  screw         A/C             0.08                   3       OH
4  screw        roof              .08                   3       TX