[英]Pandas compare column in same data frame and replace values based on comparison
[英]Pandas data frame compare and replace values
我有兩個 pandas 數據幀,如下所示。 “否”列是一個公共字段。 基於“否”,我想替換第一個數據框列“總計”中的值。
條件是:在“否”匹配的地方,從 dataframe2 獲取“Marks1”值並在“Total”列中替換。 如果“Marks1”為 NULL,則獲取“Marks2”值並替換為“Total”。 如果兩者 (Marks1/Marks2) 都是 null,則在“總計”列中替換為 null。 最終結果應該在 data frame1 中。 兩個數據框都有幾十萬條記錄。
Data frame1
No|Total
1234|11
2515|21
3412|32
4854|
7732|53
Data frame2
No|Marks1|Marks2
1234|99|23
2515|98|31
3412||20
4854||98
7732||
Result :
No|Total
1234|99
2515|98
3412|20
4854|98
7732|
使用Series.map
將缺失值Marks1
替換為Marks2
與Series.fillna
:
df = df2.set_index('No')
df1['Total'] = df1['No'].map(df['Marks1'].fillna(df['Marks2']))
print (df1)
No Total
0 1234 99.0
1 2515 98.0
2 3412 20.0
3 4854 98.0
4 7732 NaN
如果df2
的No
中可能存在重復值,則使用:
print (df2)
No Marks1 Marks2
0 1234 99.0 23.0 <- duplicated No
1 1234 98.0 31.0 <- duplicated No
2 3412 NaN 20.0
3 4854 NaN 98.0
4 7732 NaN NaN
#newer pandas versions
df = df2.set_index('No').sum(level=0, min_count=1)
#oldier pandas versions
#df = df2.set_index('No').sum(level=0)
print (df)
Marks1 Marks2
No
1234 197.0 54.0<- unique No, values are summed per index created by No
3412 NaN 20.0
4854 NaN 98.0
7732 NaN NaN
df1['Total'] = df1['No'].map(df['Marks1'].fillna(df['Marks2']))
print (df1)
No Total
0 1234 197.0
1 2515 NaN
2 3412 20.0
3 4854 98.0
4 7732 NaN
如果df1
和df2
有相同的索引值並且每個No
匹配的值使用:
df1['Total'] = df2['Marks1'].fillna(df2['Marks2'])
您可以在此處使用np.select
。
m = df2['Marks1'].notna()
m1 = df2['Marks1'].isna() & df2['Marks2'].notna()
condlist = [m,m1]
choice = [df2['Marks1'] , df2['Marks2']]
df1['Total'] = np.select(condlist,choice,np.nan)
No Total
0 1234 99.0
1 2515 98.0
2 3412 20.0
3 4854 98.0
4 7732 NaN
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.