如何根据条件从另一个 Dataframe 更新 Dataframe 值

Question

我正在尝试更新 Dataframe 中基于另一个 Dataframe “数量”列的“数量”列，仅为特定行（根据特定类型）。

这是我的示例数据框：

df = pd.DataFrame({'op': ['A', 'A', 'A', 'B', 'C'], 'type': ['X', 'Y', 'Z', 'X', 'Z'], 'qty': [3, 1, 8, 0, 4]})
df_xy = pd.DataFrame({'op': ['A', 'B', 'C'], 'qty': [10, 20, 30]})

print(df)
print(df_xy)

  op type  qty
0  A    X    3
1  A    Y    1
2  A    Z    8
3  B    X    0
4  C    Z    4

  op  qty
0  A   10
1  B   20
2  C   30

我尝试使用 loc function 选择相关行并根据我的参考列“op”与其他 Dataframe 进行比较但没有成功

# Select df rows where "type" is in "types" and set "qty" according to "qty" from df_xy
types = ['X', 'Y']
df.loc[df['type'].isin(types), 'qty'] = df_xy.loc[df_xy['op'] == df['op'], 'qty']
print(df)

我想要一个 Dataframe 是这样的：

  op type  qty
0  A    X    10
1  A    Y    10
2  A    Z    8
3  B    X    20
4  C    Z    4

但是我有一个错误，指出我无法比较未以相同方式标记的系列对象

ValueError: Can only compare identically-labeled Series objects

任何帮助深表感谢！ 提前致谢！

Answer 1

仅对两侧的过滤行使用Series.map以避免处理不匹配的行，这里是Z行：

types = ['X', 'Y']
mask = df['type'].isin(types)
df.loc[mask, 'qty'] = df.loc[mask, 'op'].map(df_xy.set_index('op')['qty'])
print (df)
  op type  qty
0  A    X   10
1  A    Y   10
2  A    Z    8
3  B    X   20
4  C    Z    4

Answer 2

您可以结合loc和merge来对齐您的 2 系列：

df.loc[df['type'].isin(types), 'qty'] = df[['op']].merge(df_xy, on='op')['qty']

output：

  op type  qty
0  A    X   10
1  A    Y   10
2  A    Z    8
3  B    X   20
4  C    Z    4