在python中合并两个数据框的替代方法

Question

让我们举一个简单的例子。我有第一个数据框：

df = pd.DataFrame(dict(Name=['abc','def','ghi'],NoMatter=['X','X','X']))
df
  Name NoMatter
0  abc        X
1  def        X
2  ghi        X

由于某些原因，我想使用一个 for 循环，将列值添加到 df 并从另一个数据帧中进行一些处理，每次迭代都会发生变化：

# strucutre of for loop I would like to use :
for i in range(something) :
    add the column Value to df from df_value
    other treatment not usefull here

# appearance of df_value (which change at each iteration of the for loop) :
  Name  Value
0  abc      1
1  def      2
2  ghi      3

但是，我不希望使用合并，因为这需要在添加当前迭代之一之前删除在上一次迭代中添加的列值。有没有一种方法可以通过这样的分配将 Value 列添加到 df ：

df['Value'] = XXX

预期输出：

  Name NoMatter  Value
0  abc        X      1
1  def        X      2
2  ghi        X      3

[编辑]

我不想使用合并，因为在 for 循环的第四次迭代中，df 将包含列：

名称 NoMatter Value1 Value2 Value3 Value4

而我只想拥有：

名称NoMatter Value4

我可以每次都删除上一列，但似乎效率不高。这就是为什么我只是在寻找一种方法来为 Value 列分配值，而不是添加列。就像 Excel 中的等效 vlookup 函数从 df_value 数据应用于 df。

Answer 1

也许不是最好的方法，但此解决方案在每次迭代时都有效并替换了 Value 列（无需在每次新迭代之前删除 Value 列）：

# similar to Excel vlookup function
def vlookup(df,ref,col_ref,col_goal):
    return pd.DataFrame(df[df.apply(lambda x: ref == x[col_ref],axis=1)][col_goal]).iloc[0,0]

df['Value'] = df['Name'].apply(lambda x : vlookup(df_value,x,'Name','Value'))

#Output : 

  Name NoMatter  Value
0  abc        X      1
1  def        X      2
2  ghi        X      3

Answer 2

正确的方法是@UmerRana's answer，因为迭代数据帧的性能很差。如果您确实必须这样做，可以寻址单个单元格，但不要假装我建议您这样做：

df = pd.DataFrame(dict(Name=['abc','def','ghi'],NoMatter=['X','X','X']))
df1 = pd.DataFrame(dict(Name=['abc','def','ghi'],Value=[1,2,3]))
df['Value'] = 0    # initialize a new column of integers (hence the 0)
ix = df.columns.get_loc('Value')
for i in range(len(df)):                    # perf is terrible!
    df.iloc[i, ix] = df1['Value'][i]

---

看到您的示例代码后，如果您无法避免循环，我认为这将是不太糟糕的方法：

newcol = np.zeros(something, dtype='int')  # set the correct type
for i in range(something):
    #compute a value
    newcol[i] = value_for_i_iteration
df['Value'] = newcol                       # assign the array to the new column

Answer 3

这是您问题的解决方案。

import pandas as pd
df = pd.DataFrame(dict(Name=['abc','def','ghi'],NoMatter=['X','X','X']))
df1 = pd.DataFrame(dict(Name=['abc','def','ghi'],Value=[1,2,3]))
new_df=pd.merge(df, df1, on='Name')
new_df

Answer 4

加入数据框的三种方法

df1.append(df2) # 将df1中的行添加到df2的末尾（列应该相同）

pd.concat([df1, df2],axis=1) # 将df1中的列添加到df2的末尾（行应该相同）

df1.join(df2,on=col1,how='inner') # SQL 风格将 df1 中的列与 on 的列连接起来 df2 其中 col 的行具有相同的值。怎么可能是“左”、“右”之一，