Pandas：根據來自另一列的匹配替換列值

Question

我在第一個數據框df1["ItemType"]有一列，如下所示，

Dataframe1

ItemType1
redTomato
whitePotato
yellowPotato
greenCauliflower
yellowCauliflower
yelloSquash
redOnions
YellowOnions
WhiteOnions
yellowCabbage
GreenCabbage

我需要根據從另一個數據框創建的字典替換它。

Dataframe2

ItemType2          newType
whitePotato        Potato
yellowPotato       Potato
redTomato          Tomato
yellowCabbage   
GreenCabbage    
yellowCauliflower   yellowCauliflower
greenCauliflower    greenCauliflower
YellowOnions        Onions
WhiteOnions         Onions
yelloSquash         Squash
redOnions           Onions

請注意，

• 在dataframe2一些的ItemType是相同ItemType在dataframe1 。
• dataframe2中的某些ItemType具有null值，如yellowCabbage。
• ItemType中的ItemType與dataframe中的ItemType dataframe

如果相應的Dataframe2 ItemType中的值匹配，我需要替換Dataframe1 ItemType列中的值， newType保持在bullet-points中列出的異常之上。
如果沒有匹配，那么值必須是[無變化]。

到目前為止，我得到了。

import pandas as pd

#read second `csv-file`
df2 = pd.read_csv('mappings.csv',names = ["ItemType", "newType"])
#conver to dict
df2=df2.set_index('ItemType').T.to_dict('list')

下面給出的匹配替換不起作用。 他們正在插入NaN值而不是實際值。 這些都是基於討論這里的SO。

df1.loc[df1['ItemType'].isin(df2['ItemType'])]=df2[['NewType']]

要么

df1['ItemType']=df2['ItemType'].map(df2)

提前致謝

編輯
兩個數據框中的兩個列標題具有不同的名稱。 因此，dataframe1列是ItemType1，第二個數據幀中的第一列是ItemType2。 錯過了第一次編輯。

Answer 1

使用map

您需要的所有邏輯：

def update_type(t1, t2, dropna=False):
    return t1.map(t2).dropna() if dropna else t1.map(t2).fillna(t1)

讓'ItemType2'成為Dataframe2的索引

update_type(Dataframe1.ItemType1,
            Dataframe2.set_index('ItemType2').newType)

0                Tomato
1                Potato
2                Potato
3      greenCauliflower
4     yellowCauliflower
5                Squash
6                Onions
7                Onions
8                Onions
9         yellowCabbage
10         GreenCabbage
Name: ItemType1, dtype: object

---

update_type(Dataframe1.ItemType1,
            Dataframe2.set_index('ItemType2').newType,
            dropna=True)

0                Tomato
1                Potato
2                Potato
3      greenCauliflower
4     yellowCauliflower
5                Squash
6                Onions
7                Onions
8                Onions
Name: ItemType1, dtype: object

校驗

updated = update_type(Dataframe1.ItemType1, Dataframe2.set_index('ItemType2').newType)

pd.concat([Dataframe1, updated], axis=1, keys=['old', 'new'])

---

定時

def root(Dataframe1, Dataframe2):
    return Dataframe1['ItemType1'].replace(Dataframe2.set_index('ItemType2')['newType'].dropna())

def piRSquared(Dataframe1, Dataframe2):
    t1 = Dataframe1.ItemType1
    t2 = Dataframe2.set_index('ItemType2').newType
    return update_type(t1, t2)

Answer 2

您可以將df2轉換為由'ItemType2'索引的系列，然后在df1上使用replace ：

# Make df2 a Series indexed by 'ItemType'.
df2 = df2.set_index('ItemType2')['newType'].dropna()

# Replace values in df1.
df1['ItemType1'] = df1['ItemType1'].replace(df2)

或者在一行中，如果您不想更改df2 ：

df1['ItemType1'] = df1['ItemType1'].replace(df2.set_index('ItemType2')['newType'].dropna())

Answer 3

此方法要求您將列名設置為“type”，然后可以使用merge和np.where進行設置

df3 = df1.merge(df2,how='inner',on='type')['type','newType']

df3['newType'] = np.where(df['newType'].isnull(),df['type'],df['newType'])