用另一个 df 中的行替换 Pandas df 中的行

Question

我有 2 个 Pandas dfs，A 和 B。它们都有 10 列和索引“ID”。如果 A 和 B 的 ID 匹配，我想用 A 的行替换 B 的行。我尝试使用 pd.update，但还没有成功。任何帮助表示赞赏。

原文由 Chris Parry 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

下面的代码应该可以解决问题

s1 = pd.Series([5, 1, 'a'])
s2 = pd.Series([6, 2, 'b'])
s3 = pd.Series([7, 3, 'd'])
s4 = pd.Series([8, 4, 'e'])
s5 = pd.Series([9, 5, 'f'])

df1 = pd.DataFrame([list(s1), list(s2),list(s3),list(s4),list(s5)],  columns =  ["A", "B", "C"])

s1 = pd.Series([5, 6, 'p'])
s2 = pd.Series([6, 7, 'q'])
s3 = pd.Series([7, 8, 'r'])
s4 = pd.Series([8, 9, 's'])
s5 = pd.Series([9, 10, 't'])

df2 = pd.DataFrame([list(s1), list(s2),list(s3),list(s4),list(s5)],  columns =  ["A", "B", "C"])

df1.loc[df1.A.isin(df2.A), ['B', 'C']] = df2[['B', 'C']]
print df1

输出

   A   B  C
0  5   6  p
1  6   7  q
2  7   8  r
3  8   9  s
4  9  10  t

从评论编辑：

要替换整行而不是仅替换某些列：

 cols = list(df1.columns)
df1.loc[df1.A.isin(df2.A), cols] = df2[cols]

原文由 Shijo 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

您可以清空 A 中的目标单元格（通过将它们设置为 NaN）并使用 combine_first() 方法用 B 的值填充这些单元格。虽然这听起来可能违反直觉，但这种方法使您可以灵活地在 2 行代码中同时定位目标行和特定列。希望有所帮助。

替换具有索引匹配的完整行的示例：

 # set-up
cols = ['c1','c2','c3']
A = pd.DataFrame(np.arange(9).reshape((3,3)), columns=cols)
B = pd.DataFrame(np.arange(10,16).reshape((2,3)), columns=cols)

#solution
A.loc[B.index] = np.nan
A = A.combine_first(B)

仅替换具有索引匹配的行的某些目标列的示例：

 A.loc[B.index, ['c2','c3']] = np.nan
A = A.combine_first(B)

原文由 fpersyn 发布，翻译遵循 CC BY-SA 4.0 许可协议