一起迭代字典和數據框的更快方法？

Question

我有一個字典和一個具有相同鍵/列的 DataFrame。 但是，DataFrame 缺少一些數據，我將使用字典填寫這些數據。 這是一個最小的例子，我的數據集要大得多。

mydict = {'one': ['foo', 'bar'], 'two': ['foo', 'bar']}
mydf = pd.DataFrame({'one': ['N/A', 'bar'], 'two': ['foo', 'N/A'], 'foo': ['foo', 'bar'], 'bar': ['foo', 'bar']})

def myfunc(mydict):
    for i,k in mydict.items():
            for m in k:
                mydf[i].replace(to_replace='N/A', value=mydf[m], inplace=True)


for f,g in mydf.iterrows():
        for h in g:
            if h != 'N/A':
                myfunc(mydict)

for i,v in mydict.items(): 
    mydf.drop(columns=v, inplace=True, errors='ignore')

當我在更大的數據集上運行我的函數時，內核不會停止運行。 什么是更快的方法來做到這一點？ 我想嘗試使用 df.apply() 或矢量化功能，但不知道如何使用。 上面示例的輸出如下所示：

    one two
0   foo foo
1   bar bar

Answer 1

試試這個，它應該給你你想要的。

# Fill the values using your dictionary
for k, v in mydict.items():
    mydf[k] = v  

# Drop the columns you don't want
mydf.drop(columns=['foo','bar'], inplace=True)  

你會得到這個：

    one two
0   foo foo
1   bar bar