熊猫：替换数据框中的值

Question

我有一个数据框df

ID  active_seconds  domain  subdomain   search_engine   search_term
0120bc30e78ba5582617a9f3d6dfd8ca    35  city-link.com  msk.city-link.com  None    None
0120bc30e78ba5582617a9f3d6dfd8ca    54  vk.com  vk.com  None    None
0120bc30e78ba5582617a9f3d6dfd8ca    34  mts.ru  shop.mts.ru  None    None
16c28c057720ab9fbbb5ee53357eadb7    4   facebook.com    facebook.com    None    None

并具有列表url = ['city-link.com', 'shop.mts.ru'] 。 我需要用subdomain更改列。 如果subdomain等于url的elem之一，请将其保留。 如果subdomain != elem from url和domain == elem from url我应该重写subdomain（向其中写入域）。 并且，如果subdomain没有在列表中没有变化。 我该如何用熊猫呢？ 我尝试用循环来做，但是花了很多时间

domains = df['domain']
subdomains = df['subdomain']
urls = ['yandex.ru', 'vk.com', 'mail.ru']
for (domain, subdomain) in zip(domains, subdomains):
    if subdomain in urls:
        continue
    elif domain in urls and subdomain not in urls:
        df['subdomain'].replace(subdomain, domain, inplace=True)

Answer 1

首先，您需要获取URL列表中domain字段的记录：

domains_in_urls = df[df.domain.isin(urls)]

接下来，您必须获取这些记录并找出子域字段不在url中的记录：

subdomains_not_in_urls = domains_in_urls[~domains_in_urls.subdomain.isin(urls)]

并将subdomain字段替换为原始数据帧中那些索引的domain字段：

df.loc[subdomains_not_in_urls.index, 'subdomain'] = \
        df.loc[subdomains_not_in_urls.index, 'domain']