如何基于其他数据框创建和填充 pandas 行？

Question

我根据某些条件从原始df创建了df2和df3 。 现在，我想 map 通过创建一个新的行Subtype和 label 如果列名与df2匹配，行值作为Table2返回到df ，而如果它与df3的列名匹配，它将是Table3 。

df

	A	乙	C	丁	乙	F	G
第一的	0	4个	8个	12	16	20	24
第二	1个	5个	9	13	17	21	25
第三	2个	6个	10	14	18	22	26
第四	3个	7	11	15	19	23	27
第五	1个	2个	3个	北美	北美	北美	北美

df2

	A	乙	C
第一的	0	4个	8个
第二	1个	5个	9
第三	2个	6个	10
第四	3个	7	11
第五	1个	2个	3个

df3

	丁	乙	F
第一的	12	16	20
第二	13	17	21
第三	14	18	22
第四	15	19	23

预计 output：

df

	A	乙	C	丁	乙	F	G
第一的	0	4个	8个	12	16	20	24
第二	1个	5个	9	13	17	21	25
第三	2个	6个	10	14	18	22	26
第四	3个	7	11	15	19	23	27
第五	1个	2个	3个	北美	北美	北美	北美
亚型	表2	表2	表2	表3	表3	表3	表3

Answer 1

这是一个带有map和loc的命题：

d2 = {col: "Table2" for col in df2.columns}
d3 = {col: "Table3" for col in df3.columns}
​
df.loc["Subtype"] = list(df.columns.map({**d2, **d3}))

Output：

print(df)
              A       B       C       D       E       F     G
First         0       4       8    12.0    16.0    20.0  24.0
Second        1       5       9    13.0    17.0    21.0  25.0
Third         2       6      10    14.0    18.0    22.0  26.0
Fourth        3       7      11    15.0    19.0    23.0  27.0
Fifth         1       2       3     NaN     NaN     NaN   NaN
Subtype  Table2  Table2  Table2  Table3  Table3  Table3   NaN

Answer 2

看看这个也许它可以帮助你。

# Create a new row for Subtype
subtype = []
for column in df.columns:
    if column in df2.columns:
        subtype.append('Table2')
    elif column in df3.columns:
        subtype.append('Table3')
df.loc['Subtype'] = subtype

Answer 3

subtype = ['Table2' if col_name in df2.columns else 'Table3' for col_name in df1.columns[1:]]

df1.set_index(df1.columns[0], inplace=True)

subtype_row = pd.DataFrame([subtype], index=["Subtype"], columns=df1.columns)

df1 = pd.concat([df1, subtype_row])

更改按以下顺序进行：

1. 相应地创建Table2或Table3的列表，从df1.columns[1:]开始跳过第一个未命名的列。
2. 将第一列设置为行的索引，因为我们不想看到编号的行。
3. 从我们之前构建的列表中创建一个新的 dataframe（第 1 步）
4. 连接两个数据帧

---

Output：

              A       B       C       D       E       F       G
First         0       4       8    12.0    16.0    20.0    24.0
Second        1       5       9    13.0    17.0    21.0    25.0
Third         2       6      10    14.0    18.0    22.0    26.0
Fourth        3       7      11    15.0    19.0    23.0    27.0
Fifth         1       2       3     NaN     NaN     NaN     NaN
Subtype  Table2  Table2  Table2  Table3  Table3  Table3  Table3