Python + Pandas：基于另一个 csv 更新 csv 中的一列

Question

我有两个相似的表（“hist.csv”）：

Historical :
id | url | url2 | url3 | Time
1    A      B      C      5
2    D      E      F      8

和 ("new.csv") ：

New :
id | url | url2 | url3 | Time
1    A      Z      K      9
2    G      H      I      11

如果“url”列匹配，我想用 Historical.Time 值更新 New.Time 列。 即此处所需的输出已更新，网址为“A”：

New2 :
id | url | url2 | url3 | Time
1    A      Z      K      5
2    G      H      I      11

我尝试了以下方法：

Historical = pd.DataFrame.from_csv("hist.csv", index_col='id', sep='\t', encoding='utf-8')
New = pd.DataFrame.from_csv("new.csv", index_col='id', sep='\t', encoding='utf-8')

for index, row in New.iterrows():
    New.loc[index,'Time']=Historical.loc[historical['url'] == row['url'],'Time']

New.to_csv("new2.csv", sep='\t', encoding='utf-8')

提高 ：

 ValueError: Must have equal len keys and value when setting with an iterable

PS：我发现了这个线程： 更新基于另一个数据帧的数据帧但是看起来建议的“合并”解决方案并不适合我的需求，因为我有很多列？

Answer 1

基本问题是， Historical.loc[Historical['url'] == row['url'],'Time']返回一个系列（即使只有一行或没有行的条件 - Historical['url'] == row['url']匹配）。 例子 -

In [15]: df
Out[15]:
   A  B
0  1  2
1  2  3

In [16]: df.loc[df['A']==1,'B']
Out[16]:
0    2
Name: B, dtype: int64

然后您尝试将此数据帧设置为New数据帧的单个单元格，这就是导致问题的原因。

因为在评论中你说 -

我可能有几行带有“url”的历史记录，但它们将具有相同的时间值。 在这种情况下，我应该考虑第一次出现/匹配。

对您的代码的快速修复是检查row['url']是否存在于另一个 DataFrame 中，并且仅当为真时，才使用 -

for index, row in New.iterrows():
    if row['url'] in Historical['url'].values:
        row['Time']=Historical.loc[Historical['url'] == row['url'],'Time'].values[0]