根据另一个数据框中的信息编辑一个数据框中的值

Question

我有一个名为_df1的数据框，它看起来像这样。 请注意，这不是整个数据框，而是其中的一部分。

_df1：

frame   id  x1      y1  x2  y2  
1        1  1363    569 103 241   
2        1  1362    568 103 241  
3        1  1362    568 103 241  
4        1  1362    568 103 241   
964      5  925     932 80  255   
965      5  925     932 79  255   
966      5  925     932 79  255   
967      5  924     932 80  255  
968      5  924     932 79  255   
16       6  631     761 100 251   
17       6  631     761 100 251  
18       6  631     761 100 251   
19       6  631     761 100 251
20       6  631     761 100 251
21       6  631     761 100 251
88       7  623     901 144 123
89       7  623     901 144 123
90       7  623     901 144 123
91       7  623     901 144 123
92       7  623     901 144 123
93       7  623     901 144 123
94       7  623     901 144 123

在完整的数据库中，数据框中有108003行和141个唯一ID。 ID代表特定对象，只要该帧具有该对象，就重复该ID。 换句话说，我的数据有141个不同的对象和1080.03帧。 我写了一段代码来识别具有相同对象但标有不同ID的框架。 这被保存在另一个名为_df2的数据框中，如下所示。 这也只是数据帧的一部分，而不是全部。

_df2：

indexID  matchID    
   4        5
   6        7
   8        9
   12       13
   18       19
   20       21
       .
       .
       .

第二个数据帧显示哪些索引被错误地分类为另一个对象。 这意味着'matchID'中的ID实际上是与'indexID'相同的对象。 _df2中的“ indexID”对应于_df1中的“ id”。

以_df2中的第一行为例，它说索引4和5相同。 因此，我需要将所有具有'id'5的帧的_df1中的'id'值更改为4。这是最终表的外观示例，因为必须将5归类为4，而将7归类为归类为6。

输出：

frame   id  x1      y1  x2  y2  
1        1  1363    569 103 241   
2        1  1362    568 103 241  
3        1  1362    568 103 241  
4        1  1362    568 103 241   
964      4  925     932 80  255   
965      4  925     932 79  255   
966      4  925     932 79  255   
967      4  924     932 80  255  
968      4  924     932 79  255   
16       6  631     761 100 251   
17       6  631     761 100 251  
18       6  631     761 100 251   
19       6  631     761 100 251
20       6  631     761 100 251
21       6  631     761 100 251
88       6  623     901 144 123
89       6  623     901 144 123
90       6  623     901 144 123
91       6  623     901 144 123
92       6  623     901 144 123
93       6  623     901 144 123
94       6  623     901 144 123

Answer 1

使用replace

df1.id=df.id.replace(dict(zip(df2.indexID,df2.matchID)))