python - 根据条件更新数据框列的有效方法

Question

如果第二帧的条件适用，我想更新一个数据帧的值。

现在我正在遍历第二帧的每一行以找到它在第一帧中的位置并在找到时更新该行，但这是非常低资源效率的。

有没有更好的合并方法？

例如，对于在 T2 中找到的值，我想将 T1 中的解析更新为"is"

T1
user_id   version        issue         Resolved
1         12345           crash           no   
2         12346           printing        no 
3         12347           screen          no
3         12348           screen          no


T2
user_id   version        issue 
1         12345           crash              
2         12346           printing              

谢谢!!

预期输出:

T1
user_id   version        issue         Resolved
1         12345           crash           yes   
2         12346           printing        yes 
3         12347           screen          no
3         12348           screen          no

Answer 1

您可以为新数据添加一个 yes resolved，然后将两者结合

T2['Resolved'] = 'yes'
dtypes = T1.dtypes.combine_first(T2.dtypes)
T3 = T2.combine_first(T1)
for k, v in dtypes.iteritems(): 
    T3[k] = T3[k].astype(v) 

输出:

   user_id  version     issue Resolved
0        1    12345     crash      yes
1        2    12346  printing      yes
2        3    12347    screen       no
3        3    12348    screen       no

我也找到了一种无需转换回 float 即可组合的方法:

T3 = T2.astype('object').combine_first(T1)

所以你不应该再需要 for 循环了

检查 combine_first 不起作用的解决方案。我创建了一个映射到是并将它们应用到第一帧:

T1 = pd.DataFrame({'A': [1,1,2,3], 'B': ['no', 'no','no','no'], 'C': ['no1', 'no2','no3','no4']})
T2 = pd.DataFrame({'A': [2, 3], 'B': ['yes','yes']})
mapitems = T2.set_index('A').to_dict()['B']   
T1['B'] = T1.apply(lambda x: mapitems[x.A] if x.A in mapitems.keys() else x.B, axis=1)