熊猫Python更新数据框A的值（如果在数据框B中找到）

Question

我有两个数据框，用户和设备。 用户数据框是按user_id和时间戳列出的所有交互的列表。 但是，如果有人使用我们的应用程序作为访客，则他们的user_id将设置为device_id。 如果这些来宾最终成为成员，我们将在设备数据框中将其user_id映射到其device_id。

所以我们有用户

user_id                                 timestamp
user13123                               2019-02-17
user224234                              2019-02-17
user32134234                            2019-02-17
00029AD9-X5X5-999N-807F-73F0EAE4A98B    2019-02-17

最后一行是访客用户，设备ID存储为user_id

然后用于设备

device_id                               user_id
00029AD9-X5X5-999N-807F-73F0EAE4A98B    user3423
37029BD9-D5D5-435D-837F-73F0EAE4A98B    user34423
...

这是device_id和已知的user_id之间的简单映射

因此，我要检查的是Users.user_id是否与Devices.device_id匹配，如果是，则将Users.user_id设置为Devices.user_id。 基本上，如果我们在设备中拥有此信息，我想更新任何旧的来宾交互以使用user_id。

纠缠了一段时间，它变得越来越混乱，感觉像是可以在大熊猫中很干净地解决的东西。 任何帮助深表感谢。

谢谢！

Answer 1

Dataframes

In [32]: users
Out[32]:
                                user_id   timestamp
0                             user13123  2019-02-17
1                            user224234  2019-02-17
2                          user32134234  2019-02-17
3  00029AD9-D5D5-435D-807F-73F0EAE4A98B  2019-02-17

In []: devices
Out[]:
                              device_id    user_id
0  00029AD9-D5D5-435D-807F-73F0EAE4A98B   user3423
1  37029BD9-D5D5-435D-837F-73F0EAE4A98B  user34423

计算过滤器

user_id与device_id匹配的所有用户

In []: filtr = users.user_id.isin(devices.device_id)

In []: filtr
Out[]:
0    False
1    False
2    False
3     True
Name: user_id, dtype: bool

替代值

在数据帧users所有已过滤用户的user_id都user_id匹配设备的user_id替换。

In []: users.loc[filtr, "user_id"] = users[filtr].user_id.map(devices.set_index("device_id").user_id)

In []: users
Out[]:
        user_id   timestamp
0     user13123  2019-02-17
1    user224234  2019-02-17
2  user32134234  2019-02-17
3      user3423  2019-02-17

---

使用np.where

只是另一种变化。

users.loc[:, 'user_id'] = pd.np.where(users.user_id.isin(devices.device_id),
                                      users.user_id.map(devices.set_index('device_id').user_id),
                                      users.user_id)

---

这些解决方案期望每个device_id仅存在一个user_id 。

Answer 2

左合并users与devices ， fillna在左连接的列user_id （它的名称为user_id_y ）上。 最后，将其分配回users.user_id列

In [59]: users['user_id'] = users.merge(devices, how='left', left_on='user_id', right_on='device_id')['user_id_y'].fillna(users.user_id)

In [60]: users
Out[60]:
    timestamp       user_id
0  2019-02-17     user13123
1  2019-02-17    user224234
2  2019-02-17  user32134234
3  2019-02-17      user3423

Answer 3

这是一个循环，尽管对user_id的所有条目检查都与device_id匹配，但如果这样，它将使用正确的ID更新Users数据帧。

for i in range(len(Users.index)):
    for p in range(len(Devices.index)):
        if(Users.loc[i,"user_id"] == Devices.loc[p,"device_id"]):
             # Fixed part of the code, check old version.
             Users.loc[i,"user_id"] = Devices.loc[p,"user_id"]

Answer 4

此解决方案找到匹配ID的列表，然后循环浏览一次，并使用它作为索引来更新user_id。

devices = pd.DataFrame({'device_id':{0:'00029AD9-X5X5-999N-807F-73F0EAE4A98B',1:'37029BD9-D5D5-435D-837F-73F0EAE4A98B'},'user_id':{0:'user3423',1:'user34423'}})
users = pd.DataFrame({'user_id':{0:'user13123',1:'user224234',2:'user32134234',3:'00029AD9-X5X5-999N-807F-73F0EAE4A98B'},'timestamp':{0:'2019-02-17',1:'2019-02-17',2:'2019-02-17',3:'2019-02-17'}})

matching_ids = list(set(users.user_id).intersection(set(devices.device_id)))
for id in matching_ids:
    users.loc[users.user_id == id, 'user_id'] = devices.set_index('device_id').at[id, 'user_id']