python - 如何根据字典有效地填充数据框的列

Question

我有这样的数据框和字典

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, 1, 1, 2, 2, 3, 3, 3, 3],
    'ignore_me': range(9),
    'fill_me': [np.nan] * 9
})

di = {
    1: ['a', 'b'],
    2: ['c', 'd'],
    3: ['e', 'f', 'g']
}

   A  ignore_me  fill_me
0  1          0      NaN
1  1          1      NaN
2  1          2      NaN
3  2          3      NaN
4  2          4      NaN
5  3          5      NaN
6  3          6      NaN
7  3          7      NaN
8  3          8      NaN

df的A中的条目对应于di中的键。我现在想使用 di 的值填充 fill_me 列，所以我想要的结果如下所示:

   A  ignore_me fill_me
0  1          0       a
1  1          1       b
2  1          2     NaN
3  2          3       c
4  2          4       d
5  3          5       e
6  3          6       f
7  3          7       g
8  3          8     NaN

实现此目的的一种方法如下:

df_list = []
for key, values in di.items():
    temp_df = df[df['A'] == key].reset_index(drop=True)
    fill_df = pd.DataFrame({'A': [key]* len(values), 'fill_me': values})
    df_list.append(temp_df.combine_first(fill_df))

final_df = pd.concat(df_list, ignore_index=True)

这给了我想要的结果。但是，它需要循环、concat 并创建一个新的数据帧。有没有人看到更直接的实现方式？理想情况下，我可以使用 fillna 或 map 的智能方式“只是”填充 df。

Answer 1

您可以通过 cumcount 创建 key

s = pd.Series(di).explode().reset_index()

s.columns = ['A','fill']
df['key'] = df.groupby('A').cumcount()
s['key'] = s.groupby('A').cumcount()

df.merge(s,how='left')
Out[463]: 
   A  ignore_me  fill_me  key fill
0  1          0      NaN    0    a
1  1          1      NaN    1    b
2  1          2      NaN    2  NaN
3  2          3      NaN    0    c
4  2          4      NaN    1    d
5  3          5      NaN    0    e
6  3          6      NaN    1    f
7  3          7      NaN    2    g
8  3          8      NaN    3  NaN