如何使用 apply 和 lambda 根據與第二個 dataframe 中的另一列匹配的索引將值設置為 dataframe 列

Question

我有以下兩個dataframe

df1:

     item_id   height  weight 
13   19902     1.56    54
28   20503     1.7     30 

df2:
         height_2  weight_2 size-> (not supposed to be modified) 
item_id
19902     1        50     8
20503     2        30    10

expected output:
df2:
         height_2  weight_2 size-> (not supposed to be modified) 
item_id
19902     1.56        54      8
20503     1.7         30     10

我想用 d1 中的值替換 d2 中的身高和體重。 通常的方法是循環 d2 並為每一行獲取索引並使用索引與 d1 匹配以獲取相應的身高和體重寫入 d2。 這很慢。 任何人都知道如何在熊貓 dataframe 中使用更快的技術，也許應用 function？ 我嘗試了以下方法，但它不起作用：

df2['height'] = df2.apply(lambda x: df1.loc[(df1.item_id == x.name),['height']])

引發以下錯誤：

> ValueError: If using all scalar values, you must pass an index

Answer 1

使用DataFrame.update並通過DataFrame.set_index將item_id轉換為索引，對於正確匹配的列名也使用字典rename ：

d = {'height':'height_2','weight':'weight_2'}
df2.update(df1.set_index('item_id').rename(columns=d))
print (df2)
         height_2  weight_2  size
item_id                          
19902        1.56        54     8
20503        1.70        30    10