PANDAS - 如何根据另一个 dataframe 中的查找表替换 dataframe 中的值

Question

我有两个 csv 文件：

live_file.csv

Supplier SKU, Manufacturer SKU, Price
ABCD, 900000, 10
EFGH, 800000, 10

old_file.csv

Supplier SKU, Manufacturer SKU, Price
ABCD, 91234, 10
EFGHX, 85332, 10

我想在供应商 SKU 列中找到相同的值，当我找到匹配的值时，我想从 old_file.csv 中获取制造商 SKU 值并将其放入 live_file.csv 中，所以我的结果将是：

Supplier SKU, Manufacturer SKU, Price
ABCD, 91234, 10
EFGH, 800000, 10

这是我尝试过的：

import pandas as pd

live_file  = pd.read_csv("live.csv")
old_file   = pd.read_csv("old.csv") 

old_file = old_file.set_index('Supplier SKU')['Manufacturer SKU'].dropna()
live_file['Manufacturer SKU'] = live_file['Supplier SKU'].replace(old_file)

live_file.to_csv(r'final.csv')

但这不起作用，结束文件与开始时的实时文件相同，有什么帮助吗？

Answer 1

使用set_index在“供应商 SKU”上设置索引，然后在新的 livefile 上调用update 。

import pandas as pd

df1 = pd.DataFrame({
    'Supplier SKU': ['ABCD','EFGH'],
    'Manufacturer SKU': [900000, 800000],
    'Price': [10, 10]
}).set_index('Supplier SKU')
df2 = pd.DataFrame({
    'Supplier SKU': ['ABCD','EFGHX'],
    'Manufacturer SKU': [91234, 85332],
    'Price': [10, 10]
}).set_index('Supplier SKU')

df1.update(df2)
print(df1)

结果：

为了防止“价格”也被更新，您可以在 df2 中删除价格：

df1.update(df2.drop(columns='Price'))

PS：调用df1.reset_index()将 'Supplier SKU' 变成普通列

Answer 2

您基本上可以对列Supplier SKU上的两个文件进行左合并连接，然后在合并匹配时保留列Manufacturer SKU的值来自old_file ，否则保留来自live_file的值

live_file["Manufacturer SKU"] =  pd.merge(live_file[["Supplier SKU", "Manufacturer SKU"]], 
         old_file[["Supplier SKU", "Manufacturer SKU"]],
         how="left", 
         on="Supplier SKU",
         suffixes=(None, "__right"),
         indicator="merge_flag")\
         .apply(lambda row: row["Manufacturer SKU"] 
                if row["merge_flag"] == "left_only" 
                else row["Manufacturer SKU__right"], axis=1)