根據另一個數據框中的信息編輯一個數據框中的值

Question

我有一個名為_df1的數據框，它看起來像這樣。 請注意，這不是整個數據框，而是其中的一部分。

_df1：

frame   id  x1      y1  x2  y2  
1        1  1363    569 103 241   
2        1  1362    568 103 241  
3        1  1362    568 103 241  
4        1  1362    568 103 241   
964      5  925     932 80  255   
965      5  925     932 79  255   
966      5  925     932 79  255   
967      5  924     932 80  255  
968      5  924     932 79  255   
16       6  631     761 100 251   
17       6  631     761 100 251  
18       6  631     761 100 251   
19       6  631     761 100 251
20       6  631     761 100 251
21       6  631     761 100 251
88       7  623     901 144 123
89       7  623     901 144 123
90       7  623     901 144 123
91       7  623     901 144 123
92       7  623     901 144 123
93       7  623     901 144 123
94       7  623     901 144 123

在完整的數據庫中，數據框中有108003行和141個唯一ID。 ID代表特定對象，只要該幀具有該對象，就重復該ID。 換句話說，我的數據有141個不同的對象和1080.03幀。 我寫了一段代碼來識別具有相同對象但標有不同ID的框架。 這被保存在另一個名為_df2的數據框中，如下所示。 這也只是數據幀的一部分，而不是全部。

_df2：

indexID  matchID    
   4        5
   6        7
   8        9
   12       13
   18       19
   20       21
       .
       .
       .

第二個數據幀顯示哪些索引被錯誤地分類為另一個對象。 這意味着'matchID'中的ID實際上是與'indexID'相同的對象。 _df2中的“ indexID”對應於_df1中的“ id”。

以_df2中的第一行為例，它說索引4和5相同。 因此，我需要將所有具有'id'5的幀的_df1中的'id'值更改為4。這是最終表的外觀示例，因為必須將5歸類為4，而將7歸類為歸類為6。

輸出：

frame   id  x1      y1  x2  y2  
1        1  1363    569 103 241   
2        1  1362    568 103 241  
3        1  1362    568 103 241  
4        1  1362    568 103 241   
964      4  925     932 80  255   
965      4  925     932 79  255   
966      4  925     932 79  255   
967      4  924     932 80  255  
968      4  924     932 79  255   
16       6  631     761 100 251   
17       6  631     761 100 251  
18       6  631     761 100 251   
19       6  631     761 100 251
20       6  631     761 100 251
21       6  631     761 100 251
88       6  623     901 144 123
89       6  623     901 144 123
90       6  623     901 144 123
91       6  623     901 144 123
92       6  623     901 144 123
93       6  623     901 144 123
94       6  623     901 144 123

Answer 1

使用replace

df1.id=df.id.replace(dict(zip(df2.indexID,df2.matchID)))