pandas - 根据条件从另一个数据框中复制列值

Question

假设我有两个数据帧:df1 和 df2。假定以下初始值。

df1=pd.DataFrame({'ID':['ASX-112','YTR-789','ASX-124','UYT-908','TYE=456','ERW-234','UUI-675','GHV-805','NMB-653','WSX-123'],
'Costperlb':[4515,5856,3313,9909,8980,9088,6765,3456,9012,1237]})
df2=df1[df1['Costperlb']>4560]

如您所见，df2 是 df1 的真子集(它是通过对行选择施加条件从 df1 创建的)。

我向 df2 添加了一列，其中包含基于计算的某些值。让我们称之为 df2['grade']。

df2['grade']=[1,4,3,5,1,1]

df1 和 df2 包含一个名为“ID”的列，保证在每个数据帧中都是唯一的。

我想:

1. 在 df1 中创建一个新列并将其初始化为 0。简单。 df1['grade']=0。
2. 将 df2['grade'] 值复制到 df1['grade']，确保每个此类副本的 df1['ID']=df2['ID']。

结果应该是复制过来的相应 ID 的成绩值。

第 2 步让我有点困惑。天真的 df1['grade']=df2['grade'].values 显然不起作用，因为两个数据帧的长度不同。

现在，如果我足够努力地思考，我可能想出一个像这样的怪物:

df1['grade'].loc[(df1['ID'].isin(df2)) & ...] 但我不愿意这样做。

我是 python 的新手，此外，在这次分配之后，df1 的索引正在其他地方使用，我不想删除索引，重置索引，因为我发现的一些搜索结果中建议了一些解决方案.

我只想找出 df1 中“ID”行与 df2 中“ID”行匹配的行，然后复制该特定行中的“等级”列值。我该怎么做？

Answer 1

您的代码:

df1=pd.DataFrame({'ID':['ASX-112','YTR-789','ASX-124','UYT-908','TYE=456','ERW-234','UUI-675','GHV-805','NMB-653','WSX-123'],
'Costperlb':[4515,5856,3313,9909,8980,9088,6765,3456,9012,1237]})
df2=df1[df1['Costperlb']>4560]
df2['grade']=[1,4,3,5,1,1]

您可以将合并与“左”结合使用。通过这种方式，df1 的索引得以保留:

new_df = df1.merge(df2[["ID","grade"]], on="ID", how="left")
new_df["grade"] = new_df["grade"].fillna(0)
new_df

输出:

    ID   Costperlb grade
0   ASX-112 4515    0.0
1   YTR-789 5856    1.0
2   ASX-124 3313    0.0
3   UYT-908 9909    4.0
4   TYE=456 8980    3.0
5   ERW-234 9088    5.0
6   UUI-675 6765    1.0
7   GHV-805 3456    0.0
8   NMB-653 9012    1.0
9   WSX-123 1237    0.0

这里我将合并后的数据帧命名为 new_df，但你可以简单地将其更改为 df1。

编辑

如果您想用字符串替换 NaN 而不是 0，请尝试以下操作:

new_df = df1.merge(df2[["ID","grade"]], on="ID", how="left")
new_df["grade"] = new_df["grade"].fillna("No transaction possible")
new_df

输出:

    ID    Costperlb       grade
0   ASX-112 4515    No transaction possible
1   YTR-789 5856    1
2   ASX-124 3313    No transaction possible
3   UYT-908 9909    4
4   TYE=456 8980    3
5   ERW-234 9088    5
6   UUI-675 6765    1
7   GHV-805 3456    No transaction possible
8   NMB-653 9012    1
9   WSX-123 1237    No transaction possible