根据另一个 dataframe 更改 dataframe 列中的值

Question

我已经看到了大量类似的问题，但没有什么能完全回答我想要做的事情。

我有两个数据框

• Conn_df包含手动输入的名称和公司详细信息（例如Conn_df["Name", "Company_name", "Company_Address"]
• Cleanse_df包含已清理的公司名称（例如Cleanse_df["Original_Company_Name", "Cleanse_Company_Name"]

两者的数据都保存在导入脚本的 csv 文件中。

我想使用Conn_df.Company_Name中的值更改Cleanse_df中的公司详细信息，其中Conn_df.Company_Name等于Cleanse_df.Original_Company_Name并由Cleanse_df.Cleanse_Company_Name替换。

我努力了：

Conn_df["Company"] = Conn_df["Company"].replace(Conn_df["Company"], Cleanse_df["Cleansed"])但得到了

replace() 不带关键字 arguments

我也试过：

Conn_df["Company"] = Conn_df["Company"].map(Cleanse_df.set_index("Original")["Cleansed"])但得到

重新索引仅对具有唯一值的 Index 对象有效

有关如何获取要替换的值的任何建议。 我会注意到这两个数据框都运行到数万行，因此无法创建手动列表。

Answer 1

我想你想要这样的东西：

conn_df = pd.DataFrame({'Name':['Mac','K','Hutt'],
                    'Company_name':['McD','KFC','PH'],
                    'Company_adress':['street1','street2','street4']})
cleanse_df = pd.DataFrame({'Original_Company_Name':['McD'],'Cleanse_Company_Name': 
['MacDonalds']})
cleanse_df = cleanse_df.rename(columns={'Original_Company_Name':'Company_name'})
merged_df = conn_df.merge(cleanse_df,on='Company_name',how='left')
merged_df['Cleanse_Company_Name'].fillna(merged_df['Company_name'],inplace=True)
final_df =  merged_df[['Name','Company_adress','Cleanse_Company_Name']]\
    .rename(columns={'Cleanse_Company_Name':'Company_name'})

这将返回：

   Name Company_adress Company_name
0   Mac        street1   MacDonalds
1     K        street2          KFC
2  Hutt        street4           PH

您合并两个数据框，然后保留替换的新值，如果没有替换名称的值，则名称将保持不变，这是由 fillna 命令完成的。