根据第一个数据框中的数据填充另一个数据框中的值

Question

我有这样的数据框：

ID  2018-01    2018-02   2018-03   2018-04
A1  8500        8500        8500      8500      
A2   NA         1900        1900      1900       
A3   NA          NA          NA       3000      
A4   NA          NA          NA          0       

现在我有其他数据框，我想用它来填充 NA 值

ID   Date    Due  
A1   2018-01  8500
A2   2018-01  9000
A3   2018-02  4000
A4   2018-01  1000

现在从这个数据帧（月）中的日期到第一个数据帧中不是 na 的下一个值，我想用Due列中的值填充： 所以结果是这样的：

ID  2018-01    2018-02   2018-03   2018-04
A1  8500        8500        8500      8500      
A2  9000        1900        1900      1900       
A3   NA         4000        4000      3000      
A4  1000        1000        1000         0   

我怎么能那样做？

编辑：有一种情况，行中根本没有预填充值

    ID  2018-01    2018-02   2018-03   2018-04
    A1  8500        8500        8500      8500      
    A2   NA         1900        1900      1900       
    A3   NA          NA          NA       3000      
    A4   NA          NA          NA          0   
    A5   NA          NA          NA         NA


ID   Date    Due  
A1   2018-01  8500
A2   2018-01  9000
A3   2018-02  4000
A4   2018-01  1000
A5   2018-03  1500

在这种情况下，是否可以只根据日期将相应的值放入列中而不完全填写？

所以结果：

 ID  2018-01    2018-02   2018-03   2018-04
A1  8500        8500        8500      8500      
A2  9000        1900        1900      1900       
A3   NA         4000        4000      3000      
A4  1000        1000        1000         0  
A5   NA          NA          1500       NA

Answer 1

如果ID是df1中的列，则使用DataFrame.pivot ，然后向前填充缺失值，最后用DataFrame.fillna或DataFrame.combine_first替换缺失值：

df = df1.set_index('ID').fillna(df2.pivot('ID','Date','Due').ffill(axis=1))
print (df)
    2018-01  2018-02  2018-03  2018-04
ID                                    
A1   8500.0   8500.0   8500.0   8500.0
A2   9000.0   1900.0   1900.0   1900.0
A3      NaN   4000.0   4000.0   3000.0
A4   1000.0   1000.0   1000.0      0.0
A5      NaN      NaN   1500.0      NaN

Answer 2

使用pd.crosstab和DataFrame.update ：

由于您想从另一个数据帧中的一个数据帧更新NaN值，我们可以为此使用DataFrame.update ，但首先我们设置右轴，因为此方法与这些值对齐：

df1 = df1.set_index('ID')
df1.update(pd.crosstab(df2['ID'], df2['Date'], df2['Due'], aggfunc='sum'))
df1 = df1.ffill(axis=1)

    2018-01  2018-02  2018-03  2018-04
ID                                    
A1   8500.0   8500.0   8500.0   8500.0
A2   9000.0   1900.0   1900.0   1900.0
A3      NaN   4000.0   4000.0   3000.0
A4   1000.0   1000.0   1000.0      0.0